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

AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs OpenAI: GPT-5.6 Terra

सारांश

KAT-Coder-Air V2.5 (medium) average score मध्ये पुढे आहे: 6.2 vs 6.0. KAT-Coder-Air V2.5 (medium) चा benchmark खर्च कमी आहे: $0.045 vs $0.130. GPT-5.6 Terra वेगवान आहे: 1.25s vs 8.28s, pass rates 47.6% vs 42.9%.

शिफारस केलेले मॉडेलKAT-Coder-Air V2.5 (medium)It has the best score here (6.2), while costing about 2.9x less than GPT-5.6 Terra.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-14

मेट्रिक KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium प्रकाशन: 2026-07-14 GPT-5.6 Terra GPT-5.6 Terra none प्रकाशन: 2026-07-09
स्कोअर 6.2 6.0
क्रमांक #115 #123
विश्वसनीयता 9.7 10.0
सुसंगतता 8.8 9.3
बरोबर चाचण्या
प्रति प्रयत्न पास दर 47.6% 42.9%
अस्थिर चाचण्या 3 2
एकूण रन 63 63
प्रति निकाल खर्च 0.562 1.623
एकूण खर्च $0.045 $0.130
इनपुट किंमत $0.150 / 1M $2.500 / 1M
आउटपुट किंमत $0.600 / 1M $15.000 / 1M
एकूण इनपुट टोकन्स 42,750 39,552
आउटपुट टोकन्स 7,759 2,060
रिझनिंग टोकन्स 56,357 0
प्रतिसाद वेळ (सरासरी) 8.28s 1.25s
प्रतिसाद वेळ (कमाल) 48.19s 3.97s
प्रतिसाद वेळ (एकूण) 173.80s 26.21s

जनरेशन शोकेस

Hamster playing table tennis

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

#115 KAT-Coder-Air V2.5

medium
खर्च
$0.003
वेळ
23.7s
टोकन्स
4,924 tok

#123 GPT-5.6 Terra

none
खर्च
$0.030
वेळ
14.7s
टोकन्स
2,082 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
KAT-Coder-Air V2.5 3.6 7.0 22.2% 1 23.37s 7,893 5,199 29,973
GPT-5.6 Terra 5.5 10.0 33.3% 0 1.00s 7,302 336 0

झटपट तुलना

तुलना जोडी बदला