KAT-Coder-Air V2.5 (high) vs GPT-6 Luna

KAT-Coder-Air V2.5 (high) average score मध्ये पुढे आहे: 5.6 vs 5.6. GPT-6 Luna चा benchmark खर्च कमी आहे: $0.012 vs $0.077. KAT-Coder-Air V2.5 (high) वेगवान आहे: 15.87s vs 19.08s, pass rates 42.4% vs 42.4%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-09-23

तुलना केलेली मॉडेल्स

क्रमांक: #257
एकूण आउटपुट टोकन्स: 114,654
प्रतिसाद वेळ (सरासरी): 15.87s
एकूण खर्च: $0.077

क्रमांक: #260
एकूण आउटपुट टोकन्स: 5,508
प्रतिसाद वेळ (सरासरी): 19.08s
एकूण खर्च: $0.012

शिफारस केलेले मॉडेल GPT-6 Luna

Its score stays close to the best score here (5.6 vs 5.6), while costing about 6.7x less than KAT-Coder-Air V2.5 (high).

तपशीलवार तुलना

मेट्रिक	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high प्रकाशन: 2026-07-14	GPT-6 Luna GPT-6 Luna none प्रकाशन: 2026-09-23

मेट्रिक	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high प्रकाशन: 2026-07-14	GPT-6 Luna GPT-6 Luna none प्रकाशन: 2026-09-23
स्कोअर	5.6	5.6
क्रमांक	#257	#260
विश्वसनीयता	9.8	9.9
सुसंगतता	8.1	8.1
प्रयत्न	66/66	66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर	42.4%	42.4%
अस्थिर चाचण्या	5	5
एकूण रन	66	66
प्रति निकाल खर्च	1.091	0.164
एकूण खर्च	$0.077	$0.012
इनपुट किंमत	$0.150 / 1M	$0.100 / 1M
आउटपुट किंमत	$0.600 / 1M	$0.500 / 1M
एकूण इनपुट टोकन्स	50,423	87,216
आउटपुट टोकन्स	4,144	5,508
रिझनिंग टोकन्स	110,510	0
प्रतिसाद वेळ (सरासरी)	15.87s	19.08s
प्रतिसाद वेळ (कमाल)	118.35s	98.62s
प्रतिसाद वेळ (एकूण)	349.16s	419.83s
पॅरामीटर्स	~35B एकूण (~3B सक्रिय)	~400B एकूण (~17B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#257 KAT-Coder-Air V2.5

high

Reached the allocated time limit (300 seconds) without receiving showcase output.

खर्च: $0.000
वेळ: 300.0s
टोकन्स: 0 tok

#260 GPT-6 Luna

none

खर्च: $0.002
वेळ: 26.0s
टोकन्स: 3,235 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

श्रेणी:

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290
GPT-6 Luna	4.8	10.0	25.0%	0		9.82s	606	131	0

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883
GPT-6 Luna	5.5	10.0	33.3%	0		8.04s	7,302	376	0

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		74.48s	23,854	485	28,559
GPT-6 Luna	3.8	5.8	33.3%	1		50.92s	65,645	4,054	0

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140
GPT-6 Luna	7.3	5.9	83.3%	1		9.34s	5,503	189	0

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		7.28s	724	1,101	7,738
GPT-6 Luna	5.3	7.2	44.4%	1		8.24s	732	54	0

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539
GPT-6 Luna	5.1	10.0	0.0%	0		1.08s	477	95	0

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675
GPT-6 Luna	6.2	5.8	66.7%	1		16.97s	660	100	0

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576
GPT-6 Luna	5.4	7.2	44.4%	1		25.95s	642	222	0

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082
GPT-6 Luna	10.0	10.0	100.0%	0		71.15s	5,454	257	0

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028
GPT-6 Luna	3.0	10.0	0.0%	0		27.10s	195	30	0

झटपट तुलना

तुलना जोडी बदला