AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Kwaipilot: KAT-Coder-Pro V2.5

摘要

Claude Opus 4.8 (low) 平均分领先，为 7.7 vs 7.5。 KAT-Coder-Pro V2.5 (medium) benchmark 成本更低，为 $0.275 vs $1.270。 Claude Opus 4.8 (low) 更快，为 10.83s vs 12.95s，通过率为 79.4% vs 65.1%。

推荐模型KAT-Coder-Pro V2.5 (medium)它的得分接近这里的最高分（7.5 vs 7.7），同时成本比Claude Opus 4.8 (low)低约 4.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 medium 发布日期: 2026-07-14

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 medium 发布日期: 2026-07-14
分数	7.7	7.5
排名	#47	#60
可靠性	10.0	10.0
一致性	8.8	7.7
测试正确
尝试通过率	79.4%	65.1%
不稳定测试	3	6
总运行次数	63	63
每个结果成本	8.466	2.498
总成本	$1.270	$0.275
输入价格	$5.000 / 1M	$0.740 / 1M
输出价格	$25.000 / 1M	$2.960 / 1M
总输入令牌	60,946	42,750
输出令牌	31,771	2,098
推理令牌	6,831	80,027
响应时间（平均）	10.83s	12.95s
响应时间（最大）	127.97s	81.45s
响应时间（总计）	227.39s	271.92s

生成展示

Hamster playing table tennis

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

#47 Claude Opus 4.8

low

成本: $0.031
时间: 14.1s
令牌: 1,345 tok

#60 KAT-Coder-Pro V2.5

medium

成本: $0.009
时间: 25.6s
令牌: 2,939 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

类别:

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
KAT-Coder-Pro V2.5	8.2	7.9	83.3%	1		3.90s	672	208	3,868

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
KAT-Coder-Pro V2.5	7.8	10.0	66.7%	0		33.10s	7,893	416	33,658

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		14.50s	15,132	363	3,367

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
KAT-Coder-Pro V2.5	7.3	5.9	83.3%	1		4.70s	7,776	275	2,122

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
KAT-Coder-Pro V2.5	2.9	7.2	11.1%	1		29.03s	771	36	29,584

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
KAT-Coder-Pro V2.5	4.7	3.1	33.3%	1		2.35s	516	92	381

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
KAT-Coder-Pro V2.5	9.9	10.0	100.0%	0		2.58s	699	83	971

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
KAT-Coder-Pro V2.5	5.9	4.5	66.7%	2		3.20s	696	325	1,867

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		19.02s	8,391	282	1,010

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
KAT-Coder-Pro V2.5	3.0	10.0	0.0%	0		9.87s	204	18	3,199

快速对比

切换对比组合