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 (medium) are costul de benchmark mai mic, $0.045 vs $0.907. KAT-Coder-Air V2.5 (medium) este mai rapid cu 8.28s vs 9.76s, cu rate de reușită de 47.6% 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 medium 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 medium Lansare: 2026-07-14	GPT-5.5 GPT-5.5 low Lansare: 2026-04-24
Scor	6.2	9.3
Rang	#115	#7
Fiabilitate	9.7	10.0
Consistență	8.8	10.0
Teste corecte
Rată de trecere pe încercare	47.6%	85.7%
Teste instabile	3	0
Rulări totale	63	63
Cost per rezultat	0.562	5.035
Cost total	$0.045	$0.907
Preț de intrare	$0.150 / 1M	$5.000 / 1M
Preț de ieșire	$0.600 / 1M	$30.000 / 1M
Total tokenuri de intrare	42,750	34,209
Tokenuri de ieșire	7,759	2,046
Tokenuri de raționament	56,357	22,460
Timp de răspuns (mediu)	8.28s	9.76s
Timp de răspuns (maxim)	48.19s	56.19s
Timp de răspuns (total)	173.80s	204.92s

Prezentare generare

Hamster playing table tennis

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

#115 KAT-Coder-Air V2.5

medium

Cost: $0.003
Timp: 23.7s
Tokenuri: 4,924 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	8.7	8.0	91.7%	1		3.79s	672	549	4,194
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	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973
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		27.68s	15,132	372	4,816
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		3.65s	7,776	268	1,881
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	3.0	10.0	0.0%	0		4.87s	771	487	4,454
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	5.0	10.0	0.0%	0		9.81s	516	189	557
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	10.0	10.0	100.0%	0		1.50s	699	93	730
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	3.6	7.2	22.2%	1		1.87s	696	265	1,184
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	317	906
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		15.74s	204	20	7,662
GPT-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

Comparație rapidă

Schimbă perechea de comparație