AI BENCHY Compare

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

Rezumat

KAT-Coder-Pro V2.5 (low) conduce la scorul mediu cu 8.0 vs 7.9. KAT-Coder-Pro V2.5 (low) are costul de benchmark mai mic, $0.220 vs $0.550. Claude Sonnet 5 (medium) este mai rapid cu 9.94s vs 10.44s, cu rate de reușită de 79.4% vs 71.4%.

Model recomandatKAT-Coder-Pro V2.5 (low)Are cel mai bun scor aici (8.0) și costă de aproximativ 2.5x mai puțin decât Claude Sonnet 5 (medium).

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

Metrică	Claude Sonnet 5 Claude Sonnet 5 medium Lansare: 2026-06-30	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low Lansare: 2026-07-14

Metrică	Claude Sonnet 5 Claude Sonnet 5 medium Lansare: 2026-06-30	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low Lansare: 2026-07-14
Scor	7.9	8.0
Rang	#37	#35
Fiabilitate	10.0	9.9
Consistență	9.0	7.3
Teste corecte
Rată de trecere pe încercare	79.4%	71.4%
Teste instabile	3	7
Rulări totale	63	63
Cost per rezultat	3.662	1.991
Cost total	$0.550	$0.220
Preț de intrare	$2.000 / 1M	$0.740 / 1M
Preț de ieșire	$10.000 / 1M	$2.960 / 1M
Total tokenuri de intrare	67,416	42,750
Tokenuri de ieșire	34,012	2,167
Tokenuri de raționament	7,673	61,133
Timp de răspuns (mediu)	9.94s	10.44s
Timp de răspuns (maxim)	56.94s	51.34s
Timp de răspuns (total)	208.71s	219.17s

Prezentare generare

Hamster playing table tennis

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

#37 Claude Sonnet 5

medium

Cost: $0.007
Timp: 6.4s
Tokenuri: 832 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 Sonnet 5	10.0	10.0	100.0%	0		3.80s	834	1,220	446
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 Sonnet 5	9.0	7.9	88.9%	1		17.28s	10,590	13,153	2,379
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 Sonnet 5	4.5	2.1	66.7%	1		37.01s	29,394	4,848	2,170
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 Sonnet 5	10.0	10.0	100.0%	0		3.16s	10,503	312	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 Sonnet 5	7.7	10.0	66.7%	0		20.38s	975	12,140	1,994
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 Sonnet 5	4.8	3.2	33.3%	1		4.32s	708	264	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 Sonnet 5	9.9	10.0	100.0%	0		3.10s	909	318	269
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 Sonnet 5	7.7	10.0	66.7%	0		2.98s	894	407	121
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 Sonnet 5	10.0	10.0	100.0%	0		10.70s	12,351	433	90
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 Sonnet 5	3.0	10.0	0.0%	0		7.06s	258	917	204
KAT-Coder-Pro V2.5	3.0	10.0	0.0%	0		17.06s	204	18	5,701

Comparație rapidă

Schimbă perechea de comparație