AI BENCHY Compare

Kwaipilot: KAT-Coder-Pro V2.5 vs xAI: Grok Build 0.1

सारांश

KAT-Coder-Pro V2.5 (high) average score मध्ये पुढे आहे: 7.7 vs 7.6. KAT-Coder-Pro V2.5 (high) चा benchmark खर्च कमी आहे: $0.246 vs $0.927. KAT-Coder-Pro V2.5 (high) वेगवान आहे: 12.30s vs 49.90s, pass rates 63.5% vs 61.9%.

शिफारस केलेले मॉडेलKAT-Coder-Pro V2.5 (high)It has the best score here (7.7), while costing about 3.8x less than Grok Build 0.1 (medium).

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

मेट्रिक	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 high प्रकाशन: 2026-07-14	Grok Build 0.1 Grok Build 0.1 medium प्रकाशन: 2026-05-21

मेट्रिक	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 high प्रकाशन: 2026-07-14	Grok Build 0.1 Grok Build 0.1 medium प्रकाशन: 2026-05-21
स्कोअर	7.7	7.6
क्रमांक	#53	#56
विश्वसनीयता	10.0	10.0
सुसंगतता	8.1	9.9
बरोबर चाचण्या
प्रति प्रयत्न पास दर	63.5%	61.9%
अस्थिर चाचण्या	5	0
एकूण रन	63	63
प्रति निकाल खर्च	2.228	7.124
एकूण खर्च	$0.246	$0.927
इनपुट किंमत	$0.740 / 1M	$1.000 / 1M
आउटपुट किंमत	$2.960 / 1M	$2.000 / 1M
एकूण इनपुट टोकन्स	42,750	44,418
आउटपुट टोकन्स	2,509	2,782
रिझनिंग टोकन्स	69,594	438,018
प्रतिसाद वेळ (सरासरी)	12.30s	49.90s
प्रतिसाद वेळ (कमाल)	95.65s	252.69s
प्रतिसाद वेळ (एकूण)	258.34s	1047.92s

जनरेशन शोकेस

Hamster playing table tennis

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

#53 KAT-Coder-Pro V2.5

high

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

#56 xAI: Grok Build 0.1

medium

खर्च: $0.028
वेळ: 81.3s
टोकन्स: 14,009 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-Pro V2.5	7.0	8.0	66.7%	1		3.17s	672	447	2,716
Grok Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

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 Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		13.44s	15,132	394	2,807
Grok Build 0.1	10.0	10.0	100.0%	0		32.81s	12,909	231	16,917

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-Pro V2.5	10.0	10.0	100.0%	0		4.13s	7,776	278	1,960
Grok Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Pro V2.5	2.9	4.4	22.2%	2		35.33s	771	33	35,701
Grok Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Pro V2.5	5.1	10.0	0.0%	0		3.27s	516	139	647
Grok Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Pro V2.5	9.9	10.0	100.0%	0		2.67s	699	84	976
Grok Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Pro V2.5	8.2	7.2	88.9%	1		3.38s	696	428	1,936
Grok Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		28.04s	8,391	268	896
Grok Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
KAT-Coder-Pro V2.5	3.0	10.0	0.0%	0		5.22s	204	16	1,494
Grok Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

झटपट तुलना

तुलना जोडी बदला

DeepSeek V4 ProhighvsGrok Build 0.1medium KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Claude Opus 4.6mediumvsKAT-Coder-Pro V2.5high KAT-Coder-Pro V2.5highvsGPT-5.6 Terralow KAT-Coder-Pro V2.5highvsGrok 4.3medium KAT-Coder-Pro V2.5highvsMiniMax M3medium Claude Opus 4.8lowvsKAT-Coder-Pro V2.5high KAT-Coder-Pro V2.5highvsQwen3.5-122B-A10Bmedium GPT-5.3 ChatnonevsGrok Build 0.1medium KAT-Coder-Pro V2.5highvsKimi K2.6mediumमोफत उपलब्ध Gemini 3.1 Flash LitemediumvsKAT-Coder-Pro V2.5high KAT-Coder-Pro V2.5highvsQwen3.5 Plus 2026-04-20medium