AI BENCHY Compare

Anthropic: Claude Opus 4.7 vs Kwaipilot: KAT-Coder-Pro V2.5

Rezumat

Claude Opus 4.7 (medium) conduce la scorul mediu cu 8.7 vs 8.0. KAT-Coder-Pro V2.5 (low) are costul de benchmark mai mic, $0.220 vs $0.679. Claude Opus 4.7 (medium) este mai rapid cu 4.73s vs 10.44s, cu rate de reușită de 82.5% vs 71.4%.

Model recomandatClaude Opus 4.7 (medium)Are cel mai bun scor aici (8.7) și răspunde de aproximativ 2.2x mai rapid decât KAT-Coder-Pro V2.5 (low).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-14

Metrică	Claude Opus 4.7 Claude Opus 4.7 medium Lansare: 2026-04-16	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low Lansare: 2026-07-14

Metrică	Claude Opus 4.7 Claude Opus 4.7 medium Lansare: 2026-04-16	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low Lansare: 2026-07-14
Scor	8.7	8.0
Rang	#16	#35
Fiabilitate	10.0	9.9
Consistență	9.6	7.3
Teste corecte
Rată de trecere pe încercare	82.5%	71.4%
Teste instabile	1	7
Rulări totale	63	63
Cost per rezultat	3.991	1.991
Cost total	$0.679	$0.220
Preț de intrare	$5.000 / 1M	$0.740 / 1M
Preț de ieșire	$25.000 / 1M	$2.960 / 1M
Total tokenuri de intrare	65,406	42,750
Tokenuri de ieșire	11,858	2,167
Tokenuri de raționament	2,198	61,133
Timp de răspuns (mediu)	4.73s	10.44s
Timp de răspuns (maxim)	23.18s	51.34s
Timp de răspuns (total)	94.51s	219.17s

Prezentare generare

Hamster playing table tennis

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

#16 Claude Opus 4.7

medium

Cost: $0.059
Timp: 26.8s
Tokenuri: 2,475 tok

#35 KAT-Coder-Pro V2.5

low

Cost: $0.016
Timp: 47.6s
Tokenuri: 5,182 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Categorie:

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	8.3	10.0	75.0%	0		1.85s	894	348	0
KAT-Coder-Pro V2.5	6.9	5.8	75.0%	2		4.20s	672	277	4,228

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	7.6	7.2	77.8%	1		12.96s	10,635	7,629	1,114
KAT-Coder-Pro V2.5	7.8	10.0	66.7%	0		24.87s	7,893	402	24,945

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	10.0	10.0	100.0%	0		21.45s	24,501	2,369	1,084
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		14.59s	15,132	394	3,391

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	10.0	10.0	100.0%	0		2.37s	10,533	324	0
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		4.19s	7,776	288	1,917

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	7.7	10.0	66.7%	0		1.17s	630	51	0
KAT-Coder-Pro V2.5	4.1	4.4	44.5%	2		17.52s	771	35	16,877

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	10.0	10.0	100.0%	0		2.87s	723	256	0
KAT-Coder-Pro V2.5	4.1	2.7	33.3%	1		2.32s	516	99	412

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	10.0	10.0	100.0%	0		1.57s	939	114	0
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		2.53s	699	83	1,008

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	10.0	10.0	100.0%	0		2.43s	939	370	0
KAT-Coder-Pro V2.5	6.4	4.4	77.8%	2		3.11s	696	289	1,820

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	10.0	10.0	100.0%	0		4.17s	15,339	373	0
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		18.45s	8,391	282	834

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	3.0	10.0	0.0%	0		2.25s	273	24	0
KAT-Coder-Pro V2.5	3.0	10.0	0.0%	0		17.06s	204	18	5,701

Comparație rapidă

Schimbă perechea de comparație