AI BENCHY Compare

Kwaipilot: KAT-Coder-Air V2.5 vs Z.ai: GLM 5.1

Rezumat

KAT-Coder-Air V2.5 (medium) conduce la scorul mediu cu 6.2 vs 5.6. KAT-Coder-Air V2.5 (medium) are costul de benchmark mai mic, $0.045 vs $0.057. GLM 5.1 este mai rapid cu 4.10s vs 8.28s, cu rate de reușită de 47.6% vs 41.3%.

Model recomandatKAT-Coder-Air V2.5 (medium)Are cel mai puternic scor din această comparație (6.2) 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	GLM 5.1 GLM 5.1 none Lansare: 2026-04-07

Metrică	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium Lansare: 2026-07-14	GLM 5.1 GLM 5.1 none Lansare: 2026-04-07
Scor	6.2	5.6
Rang	#115	#141
Fiabilitate	9.7	10.0
Consistență	8.8	8.5
Teste corecte
Rată de trecere pe încercare	47.6%	41.3%
Teste instabile	3	4
Rulări totale	63	63
Cost per rezultat	0.562	0.843
Cost total	$0.045	$0.057
Preț de intrare	$0.150 / 1M	$0.966 / 1M
Preț de ieșire	$0.600 / 1M	$3.036 / 1M
Total tokenuri de intrare	42,750	47,133
Tokenuri de ieșire	7,759	3,754
Tokenuri de raționament	56,357	0
Timp de răspuns (mediu)	8.28s	4.10s
Timp de răspuns (maxim)	48.19s	32.57s
Timp de răspuns (total)	173.80s	86.18s

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

#141 GLM 5.1

none

SVG invalid

Cost: $0.000
Timp: 300.0s
Tokenuri: 0 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
GLM 5.1	4.0	6.3	25.0%	2		2.11s	555	305	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
GLM 5.1	3.9	9.7	0.0%	0		4.96s	7,256	525	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
GLM 5.1	2.8	2.1	33.3%	1		32.57s	22,831	2,129	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
GLM 5.1	10.0	10.0	100.0%	0		1.08s	7,107	204	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
GLM 5.1	2.9	7.2	11.1%	1		1.99s	687	24	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
GLM 5.1	5.0	10.0	0.0%	0		790ms	477	39	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
GLM 5.1	9.8	10.0	100.0%	0		1.98s	636	66	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
GLM 5.1	7.7	10.0	66.7%	0		1.45s	609	151	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
GLM 5.1	10.0	10.0	100.0%	0		10.68s	6,789	300	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
GLM 5.1	3.0	10.0	0.0%	0		2.34s	186	11	0

Comparație rapidă

Schimbă perechea de comparație