AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs OpenAI: GPT-5.6 Sol

Rezumat

GPT-5.6 Sol 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 $0.225. GPT-5.6 Sol este mai rapid cu 1.66s vs 8.28s, cu rate de reușită de 47.6% vs 57.1%.

Model recomandatGPT-5.6 SolAre cel mai bun scor aici (6.3) și răspunde de aproximativ 5.0x mai rapid decât KAT-Coder-Air V2.5 (medium).

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-5.6 Sol GPT-5.6 Sol none Lansare: 2026-07-09

Metrică	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Lansare: 2026-07-14	GPT-5.6 Sol GPT-5.6 Sol none Lansare: 2026-07-09
Scor	6.2	6.3
Rang	#115	#106
Fiabilitate	9.7	10.0
Consistență	8.8	9.0
Teste corecte
Rată de trecere pe încercare	47.6%	57.1%
Teste instabile	3	3
Rulări totale	63	63
Cost per rezultat	0.562	2.244
Cost total	$0.045	$0.225
Preț de intrare	$0.150 / 1M	$5.000 / 1M
Preț de ieșire	$0.600 / 1M	$30.000 / 1M
Total tokenuri de intrare	42,750	34,218
Tokenuri de ieșire	7,759	1,776
Tokenuri de raționament	56,357	0
Timp de răspuns (mediu)	8.28s	1.66s
Timp de răspuns (maxim)	48.19s	3.93s
Timp de răspuns (total)	173.80s	34.81s

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

#106 GPT-5.6 Sol

none

Cost: $0.116
Timp: 78.7s
Tokenuri: 3,944 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-5.6 Sol	8.3	10.0	75.0%	0		1.27s	606	154	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-5.6 Sol	5.5	10.0	33.3%	0		1.39s	7,302	390	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-5.6 Sol	3.0	10.0	0.0%	0		3.93s	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-5.6 Sol	10.0	10.0	100.0%	0		1.53s	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-5.6 Sol	3.6	7.2	22.2%	1		1.43s	723	54	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-5.6 Sol	6.5	3.4	66.7%	1		1.52s	477	91	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-5.6 Sol	8.5	6.8	83.3%	1		1.33s	660	84	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-5.6 Sol	7.7	10.0	66.7%	0		1.49s	642	211	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-5.6 Sol	10.0	10.0	100.0%	0		3.70s	5,454	246	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-5.6 Sol	3.0	10.0	0.0%	0		1.95s	195	24	0

Comparație rapidă

Schimbă perechea de comparație