AI BENCHY Compare

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

Rezumat

Grok Build 0.1 (medium) conduce la scorul mediu cu 7.6 vs 7.5. KAT-Coder-Pro V2.5 (medium) are costul de benchmark mai mic, $0.275 vs $0.927. KAT-Coder-Pro V2.5 (medium) este mai rapid cu 12.95s vs 49.90s, cu rate de reușită de 65.1% vs 61.9%.

Model recomandatKAT-Coder-Pro V2.5 (medium)Scorul rămâne aproape de cel mai bun scor de aici (7.5 vs 7.6) și costă de aproximativ 3.4x 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 medium 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 medium Lansare: 2026-07-14	Grok Build 0.1 Grok Build 0.1 medium Lansare: 2026-05-21
Scor	7.5	7.6
Rang	#60	#56
Fiabilitate	10.0	10.0
Consistență	7.7	9.9
Teste corecte
Rată de trecere pe încercare	65.1%	61.9%
Teste instabile	6	0
Rulări totale	63	63
Cost per rezultat	2.498	7.124
Cost total	$0.275	$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	2,098	2,782
Tokenuri de raționament	80,027	438,018
Timp de răspuns (mediu)	12.95s	49.90s
Timp de răspuns (maxim)	81.45s	252.69s
Timp de răspuns (total)	271.92s	1047.92s

Prezentare generare

Hamster playing table tennis

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

#60 KAT-Coder-Pro V2.5

medium

Cost: $0.009
Timp: 25.6s
Tokenuri: 2,939 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	8.2	7.9	83.3%	1		3.90s	672	208	3,868
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	7.8	10.0	66.7%	0		33.10s	7,893	416	33,658
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		14.50s	15,132	363	3,367
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	7.3	5.9	83.3%	1		4.70s	7,776	275	2,122
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	7.2	11.1%	1		29.03s	771	36	29,584
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	4.7	3.1	33.3%	1		2.35s	516	92	381
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		2.58s	699	83	971
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	5.9	4.5	66.7%	2		3.20s	696	325	1,867
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		19.02s	8,391	282	1,010
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		9.87s	204	18	3,199
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 V2.5mediumvsGPT-5.3 Chatnone DeepSeek V4 ProhighvsKAT-Coder-Pro V2.5medium KAT-Coder-Pro V2.5highvsGrok Build 0.1medium GPT-5.3 ChatnonevsGrok Build 0.1medium GPT-5.6 LunahighvsGrok Build 0.1medium Step 3.7 FlashlowvsGrok Build 0.1medium GPT-5.6 TerralowvsGrok Build 0.1medium Claude Opus 4.8lowvsGrok Build 0.1medium Gemini 3 Flash PreviewlowvsKAT-Coder-Pro V2.5medium KAT-Coder-Pro V2.5mediumvsGPT-5.6 Lunahigh KAT-Coder-Pro V2.5mediumvsStep 3.7 Flashlow