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

Kwaipilot: KAT-Coder-Pro V2.5 vs xAI: Grok 4.20

KAT-Coder-Pro V2.5 (high) average score मध्ये पुढे आहे: 7.2 vs 7.1. KAT-Coder-Pro V2.5 (high) चा benchmark खर्च कमी आहे: $0.482 vs $0.777. KAT-Coder-Pro V2.5 (high) वेगवान आहे: 20.83s vs 29.47s, pass rates 63.6% vs 63.6%.

शिफारस केलेले मॉडेलKAT-Coder-Pro V2.5 (high)It has the best score here (7.2), while costing about 1.6x less than Grok 4.20 (medium).

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

मेट्रिक KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 high प्रकाशन: 2026-07-14 Grok 4.20 Grok 4.20 medium प्रकाशन: 2026-03-31
स्कोअर 7.2 7.1
क्रमांक #66 #72
विश्वसनीयता 10.0 10.0
सुसंगतता 7.8 8.5
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.6% 63.6%
अस्थिर चाचण्या 6 4
एकूण रन 66 66
प्रति निकाल खर्च 4.378 9.709
एकूण खर्च $0.482 $0.777
इनपुट किंमत $0.740 / 1M $1.250 / 1M
आउटपुट किंमत $2.960 / 1M $2.500 / 1M
एकूण इनपुट टोकन्स 106,076 102,791
आउटपुट टोकन्स 9,071 5,363
रिझनिंग टोकन्स 127,093 253,977
प्रतिसाद वेळ (सरासरी) 20.83s 29.47s
प्रतिसाद वेळ (कमाल) 199.97s 199.66s
प्रतिसाद वेळ (एकूण) 458.31s 648.35s

Hamster playing table tennis

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

#66 KAT-Coder-Pro V2.5

high
खर्च
$0.009
वेळ
26.4s
टोकन्स
3,117 tok

#72 xAI: Grok 4.20

medium
खर्च
$0.041
वेळ
110.3s
टोकन्स
16,336 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-Pro V2.5 6.4 7.9 44.4% 1 22.00s 7,893 422 20,461
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150

झटपट तुलना

तुलना जोडी बदला