AI BENCHY 对比

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

摘要

KAT-Coder-Air V2.5 (medium) 平均分领先，为 6.2 vs 6.0。 KAT-Coder-Air V2.5 (medium) benchmark 成本更低，为 $0.045 vs $0.130。 GPT-5.6 Terra 更快，为 1.25s vs 8.28s，通过率为 47.6% vs 42.9%。

推荐模型KAT-Coder-Air V2.5 (medium)它在这里得分最高（6.2），同时成本比GPT-5.6 Terra低约 2.9 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 medium 发布日期: 2026-07-14	GPT-5.6 Terra GPT-5.6 Terra none 发布日期: 2026-07-09

指标	KAT-Coder-Air V2.5 KAT-Coder-Air V2.5 medium 发布日期: 2026-07-14	GPT-5.6 Terra GPT-5.6 Terra none 发布日期: 2026-07-09
分数	6.2	6.0
排名	#115	#123
可靠性	9.7	10.0
一致性	8.8	9.3
测试正确
尝试通过率	47.6%	42.9%
不稳定测试	3	2
总运行次数	63	63
每个结果成本	0.562	1.623
总成本	$0.045	$0.130
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	42,750	39,552
输出令牌	7,759	2,060
推理令牌	56,357	0
响应时间（平均）	8.28s	1.25s
响应时间（最大）	48.19s	3.97s
响应时间（总计）	173.80s	26.21s

生成展示

Hamster playing table tennis

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

#115 KAT-Coder-Air V2.5

medium

成本: $0.003
时间: 23.7s
令牌: 4,924 tok

#123 GPT-5.6 Terra

none

成本: $0.030
时间: 14.7s
令牌: 2,082 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-5.6 Terra	4.8	10.0	25.0%	0		942ms	606	191	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-5.6 Terra	5.5	10.0	33.3%	0		1.00s	7,302	336	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		27.68s	15,132	372	4,816
GPT-5.6 Terra	3.0	10.0	0.0%	0		3.97s	14,961	437	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-5.6 Terra	10.0	10.0	100.0%	0		1.13s	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-5.6 Terra	5.3	7.2	44.4%	1		757ms	723	68	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-5.6 Terra	5.0	10.0	0.0%	0		1.03s	477	102	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-5.6 Terra	8.5	6.8	83.3%	1		1.15s	660	101	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-5.6 Terra	5.3	10.0	33.3%	0		1.23s	642	235	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-5.6 Terra	9.6	10.0	100.0%	0		3.10s	6,846	344	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-5.6 Terra	3.0	10.0	0.0%	0		787ms	195	24	0

快速对比

切换对比组合