AI BENCHY 对比

Kwaipilot: KAT-Coder-Air V2.5 vs Z.ai: GLM 5.1

摘要

KAT-Coder-Air V2.5 (low) 平均分领先，为 6.0 vs 5.6。 KAT-Coder-Air V2.5 (low) benchmark 成本更低，为 $0.030 vs $0.057。 GLM 5.1 更快，为 4.10s vs 6.47s，通过率为 46.0% vs 41.3%。

推荐模型KAT-Coder-Air V2.5 (low)它在这里得分最高（6.0），同时成本比GLM 5.1低约 1.9 倍。

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

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low 发布日期: 2026-07-14	GLM 5.1 GLM 5.1 none 发布日期: 2026-04-07

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 low 发布日期: 2026-07-14	GLM 5.1 GLM 5.1 none 发布日期: 2026-04-07
分数	6.0	5.6
排名	#124	#141
可靠性	9.7	10.0
一致性	7.6	8.5
测试正确
尝试通过率	46.0%	41.3%
不稳定测试	6	4
总运行次数	63	63
每个结果成本	0.427	0.843
总成本	$0.030	$0.057
输入价格	$0.150 / 1M	$0.966 / 1M
输出价格	$0.600 / 1M	$3.036 / 1M
总输入令牌	42,464	47,133
输出令牌	4,227	3,754
推理令牌	34,864	0
响应时间（平均）	6.47s	4.10s
响应时间（最大）	25.49s	32.57s
响应时间（总计）	135.80s	86.18s

生成展示

Hamster playing table tennis

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

#124 KAT-Coder-Air V2.5

low

成本: $0.004
时间: 29.9s
令牌: 6,008 tok

#141 GLM 5.1

none

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 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
GLM 5.1	4.0	6.3	25.0%	2		2.11s	555	305	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
GLM 5.1	3.9	9.7	0.0%	0		4.96s	7,256	525	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	10.0	10.0	100.0%	0		25.49s	15,132	368	5,707
GLM 5.1	2.8	2.1	33.3%	1		32.57s	22,831	2,129	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
GLM 5.1	10.0	10.0	100.0%	0		1.08s	7,107	204	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
GLM 5.1	2.9	7.2	11.1%	1		1.99s	687	24	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
GLM 5.1	5.0	10.0	0.0%	0		790ms	477	39	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
GLM 5.1	9.8	10.0	100.0%	0		1.98s	636	66	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
GLM 5.1	7.7	10.0	66.7%	0		1.45s	609	151	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
GLM 5.1	10.0	10.0	100.0%	0		10.68s	6,789	300	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
GLM 5.1	3.0	10.0	0.0%	0		2.34s	186	11	0

快速对比

切换对比组合