नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Anthropic: Claude Opus 4.8 vs Kwaipilot: KAT-Coder-Pro V2.5

KAT-Coder-Pro V2.5 (low) average score मध्ये पुढे आहे: 7.4 vs 7.3. KAT-Coder-Pro V2.5 (low) चा benchmark खर्च कमी आहे: $0.387 vs $1.166. Claude Opus 4.8 वेगवान आहे: 4.91s vs 19.47s, pass rates 63.6% vs 69.7%.

शिफारस केलेले मॉडेलKAT-Coder-Pro V2.5 (low)It has the best score here (7.4), while costing about 3.0x less than Claude Opus 4.8.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 none प्रकाशन: 2026-05-28 KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low प्रकाशन: 2026-07-14
स्कोअर 7.3 7.4
क्रमांक #63 #59
विश्वसनीयता 10.0 10.0
सुसंगतता 9.2 7.0
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.6% 69.7%
अस्थिर चाचण्या 2 8
एकूण रन 66 66
प्रति निकाल खर्च 8.969 3.514
एकूण खर्च $1.166 $0.387
इनपुट किंमत $5.000 / 1M $0.740 / 1M
आउटपुट किंमत $25.000 / 1M $2.960 / 1M
एकूण इनपुट टोकन्स 149,206 87,673
आउटपुट टोकन्स 16,797 7,166
रिझनिंग टोकन्स 0 101,474
प्रतिसाद वेळ (सरासरी) 4.91s 19.47s
प्रतिसाद वेळ (कमाल) 35.03s 209.15s
प्रतिसाद वेळ (एकूण) 108.03s 428.31s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#63 Claude Opus 4.8

none
खर्च
$0.053
वेळ
22.0s
टोकन्स
2,253 tok

#59 KAT-Coder-Pro V2.5

low
खर्च
$0.016
वेळ
47.6s
टोकन्स
5,182 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
KAT-Coder-Pro V2.5 7.8 10.0 66.7% 0 24.87s 7,893 402 24,945

झटपट तुलना

तुलना जोडी बदला