Kwaipilot: KAT-Coder-Air V2.5 vs OpenAI: GPT-5.4

GPT-5.4 平均分领先，为 5.8 vs 5.6。 KAT-Coder-Air V2.5 (medium) benchmark 成本更低，为 $0.048 vs $0.397。 GPT-5.4 更快，为 2.07s vs 8.42s，通过率为 45.5% vs 34.9%。

推荐模型KAT-Coder-Air V2.5 (medium)它的得分接近这里的最高分（5.6 vs 5.8），同时成本比GPT-5.4低约 8.4 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 medium 发布日期: 2026-07-14	GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium 发布日期: 2026-07-14	GPT-5.4 GPT-5.4 none 发布日期: 2026-03-05
分数	5.6	5.8
排名	#142	#132
可靠性	9.9	10.0
一致性	8.9	9.2
测试正确
尝试通过率	45.5%	34.9%
不稳定测试	3	2
总运行次数	66	66
每个结果成本	0.593	5.663
总成本	$0.048	$0.397
输入价格	$0.150 / 1M	$2.500 / 1M
输出价格	$0.600 / 1M	$15.000 / 1M
总输入令牌	51,472	108,632
输出令牌	7,822	8,321
推理令牌	58,352	0
响应时间（平均）	8.42s	2.07s
响应时间（最大）	48.19s	15.63s
响应时间（总计）	185.24s	45.51s

Hamster playing table tennis

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

#142 KAT-Coder-Air V2.5

medium

成本: $0.003
时间: 23.7s
令牌: 4,924 tok

#132 GPT-5.4

none

成本: $0.026
时间: 18.1s
令牌: 1,792 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	8.7	8.0	91.7%	1		3.79s	672	549	4,194
GPT-5.4	3.2	8.0	8.3%	1		1.21s	606	406	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	3.6	7.0	22.2%	1		23.37s	7,893	5,199	29,973
GPT-5.4	5.5	10.0	33.3%	0		1.62s	7,305	516	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		19.56s	23,854	435	6,811
GPT-5.4	3.0	10.0	0.0%	0		9.26s	85,439	6,195	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		3.65s	7,776	268	1,881
GPT-5.4	10.0	10.0	100.0%	0		1.04s	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	3.0	10.0	0.0%	0		4.87s	771	487	4,454
GPT-5.4	5.3	7.2	44.4%	1		1.07s	723	50	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		9.81s	516	189	557
GPT-5.4	4.4	9.9	0.0%	0		1.78s	477	184	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	10.0	10.0	100.0%	0		1.50s	699	93	730
GPT-5.4	6.5	10.0	50.0%	0		1.07s	660	81	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	3.6	7.2	22.2%	1		1.87s	696	265	1,184
GPT-5.4	5.6	9.8	33.3%	0		1.44s	642	381	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	317	906
GPT-5.4	10.0	10.0	100.0%	0		2.75s	5,445	246	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		15.74s	204	20	7,662
GPT-5.4	3.0	10.0	0.0%	0		990ms	195	40	0

快速对比

切换对比组合