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

平均分几乎持平，为 5.4 vs 5.4。 KAT-Coder-Air V2.5 (low) benchmark 成本更低，为 $0.041 vs $0.142。 GPT-5.6 Luna 更快，为 1.50s vs 10.09s，通过率为 45.5% vs 34.9%。

推荐模型KAT-Coder-Air V2.5 (low)它在这里得分最高（5.4），同时成本比GPT-5.6 Luna低约 3.5 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 low 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 low 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	5.4	5.4
排名	#151	#152
可靠性	9.9	10.0
一致性	7.4	8.8
测试正确
尝试通过率	45.5%	34.9%
不稳定测试	7	3
总运行次数	66	66
每个结果成本	0.585	2.360
总成本	$0.041	$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	61,085	101,323
输出令牌	5,905	6,709
推理令牌	46,990	0
响应时间（平均）	10.09s	1.50s
响应时间（最大）	86.23s	10.57s
响应时间（总计）	222.03s	32.91s

Hamster playing table tennis

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

#151 KAT-Coder-Air V2.5

low

成本: $0.004
时间: 29.9s
令牌: 6,008 tok

#152 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	7.3	5.8	83.3%	2		3.50s	672	422	1,548
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	3.5	7.3	11.1%	1		11.06s	7,893	2,001	13,623
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	6.4	5.8	66.7%	1		55.86s	33,753	2,046	17,833
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		2.82s	7,776	261	1,069
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		4.99s	553	310	3,332
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	5.0	10.0	0.0%	0		10.11s	516	142	596
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		1.64s	699	89	640
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	3.1	4.6	22.2%	2		1.57s	696	294	796
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		4.47s	8,391	330	1,065
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		19.98s	136	10	6,488
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