AI BENCHY 对比

Kwaipilot: KAT-Coder-Air V2.5 vs MoonshotAI: Kimi K2.6

摘要

Kimi K2.6 平均分领先，为 5.8 vs 5.6。 KAT-Coder-Air V2.5 (high) benchmark 成本更低，为 $0.077 vs $0.233。 KAT-Coder-Air V2.5 (high) 更快，为 15.90s vs 19.58s，通过率为 43.9% vs 34.9%。

推荐模型KAT-Coder-Air V2.5 (high)它的得分接近这里的最高分（5.6 vs 5.8），同时成本比Kimi K2.6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	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14	Kimi K2.6 Kimi K2.6 none 发布日期: 2026-04-20

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14	Kimi K2.6 Kimi K2.6 none 发布日期: 2026-04-20
分数	5.6	5.8
排名	#137	#131
可靠性	9.9	10.0
一致性	7.7	9.3
测试正确
尝试通过率	43.9%	34.9%
不稳定测试	6	2
总运行次数	66	66
每个结果成本	1.097	3.199
总成本	$0.077	$0.233
输入价格	$0.150 / 1M	$0.950 / 1M
输出价格	$0.600 / 1M	$4.000 / 1M
总输入令牌	50,470	116,970
输出令牌	3,957	30,253
推理令牌	111,374	0
响应时间（平均）	15.90s	19.58s
响应时间（最大）	118.35s	238.89s
响应时间（总计）	349.71s	430.85s

生成展示

Hamster playing table tennis

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

#137 KAT-Coder-Air V2.5

high

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#131 MoonshotAI: Kimi K2.6

none

成本: $0.020
时间: 127.4s
令牌: 4,429 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
KAT-Coder-Air V2.5	6.9	5.8	75.0%	2		2.49s	615	204	1,290
Kimi K2.6	4.6	10.0	25.0%	0		1.39s	618	471	0

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
KAT-Coder-Air V2.5	4.3	7.3	11.1%	1		39.07s	6,948	1,166	55,883
Kimi K2.6	5.5	9.8	33.3%	0		82.57s	5,986	14,754	0

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
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		74.48s	23,854	485	28,559
Kimi K2.6	3.0	10.0	0.0%	0		77.83s	95,323	14,133	0

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
KAT-Coder-Air V2.5	6.5	10.0	50.0%	0		3.59s	7,776	284	2,140
Kimi K2.6	10.0	10.0	100.0%	0		1.32s	7,014	201	0

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
KAT-Coder-Air V2.5	2.9	7.2	11.1%	1		7.47s	771	914	8,602
Kimi K2.6	5.3	7.2	44.4%	1		1.48s	732	42	0

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
KAT-Coder-Air V2.5	5.1	10.0	0.0%	0		7.10s	516	179	539
Kimi K2.6	5.4	3.5	33.3%	1		1.55s	477	138	0

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
KAT-Coder-Air V2.5	9.8	10.0	100.0%	0		1.51s	699	90	675
Kimi K2.6	6.5	10.0	50.0%	0		1.64s	669	72	0

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
KAT-Coder-Air V2.5	3.5	4.4	33.3%	2		2.47s	696	285	1,576
Kimi K2.6	3.1	9.9	0.0%	0		1.40s	651	185	0

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
KAT-Coder-Air V2.5	10.0	10.0	100.0%	0		4.77s	8,391	330	1,082
Kimi K2.6	10.0	10.0	100.0%	0		4.46s	5,286	240	0

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
KAT-Coder-Air V2.5	3.0	10.0	0.0%	0		21.72s	204	20	11,028
Kimi K2.6	3.0	10.0	0.0%	0		1.36s	214	17	0

快速对比

切换对比组合