AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs OpenAI: GPT-5.5

Rezumat

GPT-5.5 (low) conduce la scorul mediu cu 9.3 vs 6.2. KAT-Coder-Air V2.5 (high) are costul de benchmark mai mic, $0.064 vs $0.907. GPT-5.5 (low) este mai rapid cu 9.76s vs 11.02s, cu rate de reușită de 46.0% vs 85.7%.

Model recomandatGPT-5.5 (low)Are cel mai puternic scor din această comparație (9.3) și cel mai bun echilibru între cost și timp de răspuns dintre toate cele 2 modele.

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

Metrică	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lansare: 2026-07-14	GPT-5.5 GPT-5.5 low Lansare: 2026-04-24

Metrică	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high Lansare: 2026-07-14	GPT-5.5 GPT-5.5 low Lansare: 2026-04-24
Scor	6.2	9.3
Rang	#110	#7
Fiabilitate	9.7	10.0
Consistență	7.6	10.0
Teste corecte
Rată de trecere pe încercare	46.0%	85.7%
Teste instabile	6	0
Rulări totale	63	63
Cost per rezultat	0.910	5.035
Cost total	$0.064	$0.907
Preț de intrare	$0.150 / 1M	$5.000 / 1M
Preț de ieșire	$0.600 / 1M	$30.000 / 1M
Total tokenuri de intrare	41,748	34,209
Tokenuri de ieșire	3,894	2,046
Tokenuri de raționament	91,773	22,460
Timp de răspuns (mediu)	11.02s	9.76s
Timp de răspuns (maxim)	104.98s	56.19s
Timp de răspuns (total)	231.37s	204.92s

Prezentare generare

Hamster playing table tennis

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

#110 KAT-Coder-Air V2.5

high

SVG invalid

Cost: $0.000
Timp: 300.0s
Tokenuri: 0 tok

#7 GPT-5.5

low

Cost: $0.068
Timp: 37.0s
Tokenuri: 2,339 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
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290
GPT-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

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
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883
GPT-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

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
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		30.61s	15,132	422	8,958
GPT-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717

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
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140
GPT-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

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
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602
GPT-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

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
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539
GPT-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

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
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675
GPT-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

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
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576
GPT-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

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
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082
GPT-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

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
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028
GPT-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

Comparație rapidă

Schimbă perechea de comparație