AI BENCHY Compare

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

Rezumat

GPT-5.5 conduce la scorul mediu cu 6.3 vs 6.2. KAT-Coder-Air V2.5 (medium) are costul de benchmark mai mic, $0.045 vs $0.231. GPT-5.5 este mai rapid cu 1.89s vs 8.28s, cu rate de reușită de 47.6% vs 54.0%.

Model recomandatKAT-Coder-Air V2.5 (medium)Scorul rămâne aproape de cel mai bun scor de aici (6.2 vs 6.3) și costă de aproximativ 5.1x mai puțin decât GPT-5.5.

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 none 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 none Lansare: 2026-04-24
Scor	6.2	6.3
Rang	#115	#109
Fiabilitate	9.7	10.0
Consistență	8.8	8.8
Teste corecte
Rată de trecere pe încercare	47.6%	54.0%
Teste instabile	3	3
Rulări totale	63	63
Cost per rezultat	0.562	2.302
Cost total	$0.045	$0.231
Preț de intrare	$0.150 / 1M	$5.000 / 1M
Preț de ieșire	$0.600 / 1M	$30.000 / 1M
Total tokenuri de intrare	42,750	34,212
Tokenuri de ieșire	7,759	1,971
Tokenuri de raționament	56,357	0
Timp de răspuns (mediu)	8.28s	1.89s
Timp de răspuns (maxim)	48.19s	5.56s
Timp de răspuns (total)	173.80s	39.64s

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

#109 GPT-5.5

none

Cost: $0.090
Timp: 54.3s
Tokenuri: 3,063 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	6.9	7.9	66.7%	1		1.31s	606	213	0

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	5.5	10.0	33.3%	0		1.35s	7,305	462	0

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	3.0	10.0	0.0%	0		5.56s	11,019	300	0

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		1.18s	7,140	222	0

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	2.9	7.2	11.1%	1		1.31s	723	52	0

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		3.41s	477	124	0

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	6.2	5.8	66.7%	1		1.15s	660	81	0

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	7.7	10.0	66.7%	0		1.29s	642	252	0

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		3.90s	5,445	247	0

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		5.01s	195	18	0

Comparație rapidă

Schimbă perechea de comparație