Kwaipilot: KAT-Coder-Air V2.5 vs OpenAI: GPT-5.6 Luna

KAT-Coder-Air V2.5 (high) 平均分领先，为 5.6 vs 5.4。 KAT-Coder-Air V2.5 (high) benchmark 成本更低，为 $0.077 vs $0.142。 GPT-5.6 Luna 更快，为 1.50s vs 15.90s，通过率为 43.9% vs 34.9%。

推荐模型GPT-5.6 Luna它的得分接近这里的最高分（5.4 vs 5.6），同时响应速度比KAT-Coder-Air V2.5 (high)快约 10.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-20

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14	GPT-5.6 Luna GPT-5.6 Luna none 发布日期: 2026-07-09

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 high 发布日期: 2026-07-14	GPT-5.6 Luna GPT-5.6 Luna none 发布日期: 2026-07-09
分数	5.6	5.4
排名	#144	#159
可靠性	9.9	10.0
一致性	7.7	8.8
测试正确
尝试通过率	43.9%	34.9%
不稳定测试	6	3
总运行次数	66	66
每个结果成本	1.097	2.360
总成本	$0.077	$0.142
输入价格	$0.150 / 1M	$1.000 / 1M
输出价格	$0.600 / 1M	$6.000 / 1M
总输入令牌	50,470	101,323
输出令牌	3,957	6,709
推理令牌	111,374	0
响应时间（平均）	15.90s	1.50s
响应时间（最大）	118.35s	10.57s
响应时间（总计）	349.71s	32.91s

Hamster playing table tennis

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

#144 KAT-Coder-Air V2.5

high

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#159 GPT-5.6 Luna

none

成本: $0.016
时间: 15.8s
令牌: 2,685 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
GPT-5.6 Luna	4.8	10.0	25.0%	0		901ms	606	266	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
GPT-5.6 Luna	3.8	7.2	22.2%	1		980ms	7,302	459	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
GPT-5.6 Luna	3.2	9.1	0.0%	0		6.68s	78,124	5,022	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
GPT-5.6 Luna	10.0	10.0	100.0%	0		758ms	7,140	222	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
GPT-5.6 Luna	2.9	7.2	11.1%	1		737ms	723	54	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
GPT-5.6 Luna	5.0	10.0	0.0%	0		1.00s	477	150	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
GPT-5.6 Luna	7.1	5.8	83.3%	1		1.23s	660	86	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
GPT-5.6 Luna	5.3	10.0	33.3%	0		790ms	642	202	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
GPT-5.6 Luna	10.0	10.0	100.0%	0		2.80s	5,454	222	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
GPT-5.6 Luna	3.0	10.0	0.0%	0		651ms	195	26	0

快速对比

切换对比组合