AI BENCHY Compare

Kwaipilot: KAT-Coder-Pro V2.5 vs xAI: Grok Build 0.1

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 $0.927. KAT-Coder-Pro V2.5 (high) este mai rapid cu 12.30s vs 49.90s, cu rate de reușită de 63.5% vs 61.9%.

Model recomandatKAT-Coder-Pro V2.5 (high)Are cel mai bun scor aici (7.7) și costă de aproximativ 3.8x mai puțin decât Grok Build 0.1 (medium).

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	Grok Build 0.1 Grok Build 0.1 medium Lansare: 2026-05-21

Metrică	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 high Lansare: 2026-07-14	Grok Build 0.1 Grok Build 0.1 medium Lansare: 2026-05-21
Scor	7.7	7.6
Rang	#53	#56
Fiabilitate	10.0	10.0
Consistență	8.1	9.9
Teste corecte
Rată de trecere pe încercare	63.5%	61.9%
Teste instabile	5	0
Rulări totale	63	63
Cost per rezultat	2.228	7.124
Cost total	$0.246	$0.927
Preț de intrare	$0.740 / 1M	$1.000 / 1M
Preț de ieșire	$2.960 / 1M	$2.000 / 1M
Total tokenuri de intrare	42,750	44,418
Tokenuri de ieșire	2,509	2,782
Tokenuri de raționament	69,594	438,018
Timp de răspuns (mediu)	12.30s	49.90s
Timp de răspuns (maxim)	95.65s	252.69s
Timp de răspuns (total)	258.34s	1047.92s

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

#56 xAI: Grok Build 0.1

medium

Cost: $0.028
Timp: 81.3s
Tokenuri: 14,009 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
Grok Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

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
Grok Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

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
Grok Build 0.1	10.0	10.0	100.0%	0		32.81s	12,909	231	16,917

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
Grok Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

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
Grok Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

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
Grok Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

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
Grok Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

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
Grok Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

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
Grok Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

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
Grok Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

Comparație rapidă

Schimbă perechea de comparație

DeepSeek V4 ProhighvsGrok Build 0.1medium KAT-Coder-Pro V2.5highvsStep 3.7 Flashlow Claude Opus 4.6mediumvsKAT-Coder-Pro V2.5high KAT-Coder-Pro V2.5highvsGPT-5.6 Terralow KAT-Coder-Pro V2.5highvsGrok 4.3medium KAT-Coder-Pro V2.5highvsMiniMax M3medium Claude Opus 4.8lowvsKAT-Coder-Pro V2.5high KAT-Coder-Pro V2.5highvsQwen3.5-122B-A10Bmedium GPT-5.3 ChatnonevsGrok Build 0.1medium KAT-Coder-Pro V2.5highvsKimi K2.6mediumDisponibil gratuit Gemini 3.1 Flash LitemediumvsKAT-Coder-Pro V2.5high KAT-Coder-Pro V2.5highvsQwen3.5 Plus 2026-04-20medium