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

KAT-Coder-Pro V2.5 (low) 平均分领先，为 7.4 vs 7.3。 KAT-Coder-Pro V2.5 (low) benchmark 成本更低，为 $0.387 vs $1.166。 Claude Opus 4.8 更快，为 4.91s vs 19.47s，通过率为 63.6% vs 69.7%。

推荐模型KAT-Coder-Pro V2.5 (low)它在这里得分最高（7.4），同时成本比Claude Opus 4.8低约 3.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low 发布日期: 2026-07-14

指标	Claude Opus 4.8 Claude Opus 4.8 none 发布日期: 2026-05-28	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low 发布日期: 2026-07-14
分数	7.3	7.4
排名	#63	#59
可靠性	10.0	10.0
一致性	9.2	7.0
测试正确
尝试通过率	63.6%	69.7%
不稳定测试	2	8
总运行次数	66	66
每个结果成本	8.969	3.514
总成本	$1.166	$0.387
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	149,206	87,673
输出令牌	16,797	7,166
推理令牌	0	101,474
响应时间（平均）	4.91s	19.47s
响应时间（最大）	35.03s	209.15s
响应时间（总计）	108.03s	428.31s

Hamster playing table tennis

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

#63 Claude Opus 4.8

none

成本: $0.053
时间: 22.0s
令牌: 2,253 tok

#59 KAT-Coder-Pro V2.5

low

成本: $0.016
时间: 47.6s
令牌: 5,182 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	6.5	10.0	50.0%	0		3.40s	834	1,472	0
KAT-Coder-Pro V2.5	6.9	5.8	75.0%	2		4.20s	672	277	4,228

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	5.5	10.0	33.3%	0		3.29s	10,590	1,332	0
KAT-Coder-Pro V2.5	7.8	10.0	66.7%	0		24.87s	7,893	402	24,945

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		26.38s	111,760	11,949	0
KAT-Coder-Pro V2.5	6.4	5.8	66.7%	1		111.87s	60,055	5,393	43,732

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	7.3	5.8	83.3%	1		1.77s	10,503	308	0
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		4.19s	7,776	288	1,917

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	7.2	44.4%	1		1.70s	975	61	0
KAT-Coder-Pro V2.5	4.1	4.4	44.5%	2		17.52s	771	35	16,877

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		3.48s	708	230	0
KAT-Coder-Pro V2.5	4.1	2.7	33.3%	1		2.32s	516	99	412

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	9.9	10.0	100.0%	0		1.37s	909	95	0
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		2.53s	699	83	1,008

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	7.7	10.0	66.7%	0		2.74s	894	783	0
KAT-Coder-Pro V2.5	6.4	4.4	77.8%	2		3.11s	696	289	1,820

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		5.35s	11,775	355	0
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		18.45s	8,391	282	834

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		3.41s	258	212	0
KAT-Coder-Pro V2.5	3.0	10.0	0.0%	0		17.06s	204	18	5,701

快速对比

切换对比组合

Claude Opus 4.8nonevsStep 3.7 Flashlow Claude Sonnet 4.6nonevsKAT-Coder-Pro V2.5low Claude Opus 4.8nonevsKimi K2.6medium Claude Opus 4.8nonevsGemini 3.1 Flash Litemedium Claude Opus 4.8nonevsKAT-Coder-Pro V2.5high Claude Opus 4.8nonevsGemini 3.1 Flash Lite Previewmedium Gemini 3.1 Flash Lite PreviewmediumvsKAT-Coder-Pro V2.5low Gemini 3.1 Flash LitemediumvsKAT-Coder-Pro V2.5low KAT-Coder-Pro V2.5lowvsQwen3.7 Maxnone KAT-Coder-Pro V2.5lowvsQwen3.5-27Bmedium Claude Opus 4.8nonevsQwen3.5 Plus 2026-04-20medium KAT-Coder-Pro V2.5lowvsQwen3.5 Plus 2026-02-15medium