AI BENCHY Compare

Kwaipilot: KAT-Coder-Pro V2.5 vs OpenAI: GPT-5.6 Luna

Rezumat

KAT-Coder-Pro V2.5 (high) conduce la scorul mediu cu 7.7 vs 7.6. KAT-Coder-Pro V2.5 (high) are costul de benchmark mai mic, $0.246 vs $0.258. GPT-5.6 Luna (medium) este mai rapid cu 6.70s vs 12.30s, cu rate de reușită de 63.5% vs 63.5%.

Model recomandatGPT-5.6 Luna (medium)Scorul rămâne aproape de cel mai bun scor de aici (7.6 vs 7.7) și răspunde de aproximativ 1.8x mai rapid decât KAT-Coder-Pro V2.5 (high).

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

Metrică	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 high Lansare: 2026-07-14	GPT-5.6 Luna GPT-5.6 Luna medium Lansare: 2026-07-09

Metrică	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 high Lansare: 2026-07-14	GPT-5.6 Luna GPT-5.6 Luna medium Lansare: 2026-07-09
Scor	7.7	7.6
Rang	#53	#57
Fiabilitate	10.0	10.0
Consistență	8.1	9.6
Teste corecte
Rată de trecere pe încercare	63.5%	63.5%
Teste instabile	5	1
Rulări totale	63	63
Cost per rezultat	2.228	1.978
Cost total	$0.246	$0.258
Preț de intrare	$0.740 / 1M	$1.000 / 1M
Preț de ieșire	$2.960 / 1M	$6.000 / 1M
Total tokenuri de intrare	42,750	35,699
Tokenuri de ieșire	2,509	2,148
Tokenuri de raționament	69,594	34,740
Timp de răspuns (mediu)	12.30s	6.70s
Timp de răspuns (maxim)	95.65s	29.85s
Timp de răspuns (total)	258.34s	140.62s

Prezentare generare

Hamster playing table tennis

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

#53 KAT-Coder-Pro V2.5

high

Cost: $0.009
Timp: 26.4s
Tokenuri: 3,117 tok

#57 GPT-5.6 Luna

medium

Cost: $0.014
Timp: 14.6s
Tokenuri: 2,362 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-Pro V2.5	7.0	8.0	66.7%	1		3.17s	672	447	2,716
GPT-5.6 Luna	8.3	10.0	75.0%	0		2.52s	606	160	987

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-Pro V2.5	6.4	7.9	44.4%	1		22.00s	7,893	422	20,461
GPT-5.6 Luna	5.4	7.2	44.4%	1		10.38s	7,302	564	9,928

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-Pro V2.5	10.0	10.0	100.0%	0		13.44s	15,132	394	2,807
GPT-5.6 Luna	10.0	10.0	100.0%	0		9.53s	12,500	375	1,354

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-Pro V2.5	10.0	10.0	100.0%	0		4.13s	7,776	278	1,960
GPT-5.6 Luna	10.0	10.0	100.0%	0		1.95s	7,140	234	324

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-Pro V2.5	2.9	4.4	22.2%	2		35.33s	771	33	35,701
GPT-5.6 Luna	5.3	10.0	33.3%	0		17.37s	723	68	16,531

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-Pro V2.5	5.1	10.0	0.0%	0		3.27s	516	139	647
GPT-5.6 Luna	5.1	10.0	0.0%	0		4.34s	477	112	496

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-Pro V2.5	9.9	10.0	100.0%	0		2.67s	699	84	976
GPT-5.6 Luna	9.9	10.0	100.0%	0		2.38s	660	95	393

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-Pro V2.5	8.2	7.2	88.9%	1		3.38s	696	428	1,936
GPT-5.6 Luna	7.8	10.0	66.7%	0		4.04s	642	255	2,104

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-Pro V2.5	10.0	10.0	100.0%	0		28.04s	8,391	268	896
GPT-5.6 Luna	10.0	10.0	100.0%	0		6.02s	5,454	256	244

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-Pro V2.5	3.0	10.0	0.0%	0		5.22s	204	16	1,494
GPT-5.6 Luna	3.0	10.0	0.0%	0		6.64s	195	29	2,379

Comparație rapidă

Schimbă perechea de comparație