AI BENCHY 对比

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

摘要

KAT-Coder-Pro V2.5 (high) 平均分领先，为 7.7 vs 7.6。 KAT-Coder-Pro V2.5 (high) benchmark 成本更低，为 $0.246 vs $0.258。 GPT-5.6 Luna (medium) 更快，为 6.70s vs 12.30s，通过率为 63.5% vs 63.5%。

推荐模型GPT-5.6 Luna (medium)它的得分接近这里的最高分（7.6 vs 7.7），同时响应速度比KAT-Coder-Pro V2.5 (high)快约 1.8 倍。

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

指标	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 high 发布日期: 2026-07-14	GPT-5.6 Luna GPT-5.6 Luna medium 发布日期: 2026-07-09

指标	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 high 发布日期: 2026-07-14	GPT-5.6 Luna GPT-5.6 Luna medium 发布日期: 2026-07-09
分数	7.7	7.6
排名	#53	#57
可靠性	10.0	10.0
一致性	8.1	9.6
测试正确
尝试通过率	63.5%	63.5%
不稳定测试	5	1
总运行次数	63	63
每个结果成本	2.228	1.978
总成本	$0.246	$0.258
输入价格	$0.740 / 1M	$1.000 / 1M
输出价格	$2.960 / 1M	$6.000 / 1M
总输入令牌	42,750	35,699
输出令牌	2,509	2,148
推理令牌	69,594	34,740
响应时间（平均）	12.30s	6.70s
响应时间（最大）	95.65s	29.85s
响应时间（总计）	258.34s	140.62s

生成展示

Hamster playing table tennis

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

#53 KAT-Coder-Pro V2.5

high

成本: $0.009
时间: 26.4s
令牌: 3,117 tok

#57 GPT-5.6 Luna

medium

成本: $0.014
时间: 14.6s
令牌: 2,362 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-Pro V2.5	7.0	8.0	66.7%	1		3.17s	672	447	2,716
GPT-5.6 Luna	8.3	10.0	75.0%	0		2.52s	606	160	987

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-Pro V2.5	6.4	7.9	44.4%	1		22.00s	7,893	422	20,461
GPT-5.6 Luna	5.4	7.2	44.4%	1		10.38s	7,302	564	9,928

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-Pro V2.5	10.0	10.0	100.0%	0		13.44s	15,132	394	2,807
GPT-5.6 Luna	10.0	10.0	100.0%	0		9.53s	12,500	375	1,354

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-Pro V2.5	10.0	10.0	100.0%	0		4.13s	7,776	278	1,960
GPT-5.6 Luna	10.0	10.0	100.0%	0		1.95s	7,140	234	324

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-Pro V2.5	2.9	4.4	22.2%	2		35.33s	771	33	35,701
GPT-5.6 Luna	5.3	10.0	33.3%	0		17.37s	723	68	16,531

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-Pro V2.5	5.1	10.0	0.0%	0		3.27s	516	139	647
GPT-5.6 Luna	5.1	10.0	0.0%	0		4.34s	477	112	496

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-Pro V2.5	9.9	10.0	100.0%	0		2.67s	699	84	976
GPT-5.6 Luna	9.9	10.0	100.0%	0		2.38s	660	95	393

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-Pro V2.5	8.2	7.2	88.9%	1		3.38s	696	428	1,936
GPT-5.6 Luna	7.8	10.0	66.7%	0		4.04s	642	255	2,104

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-Pro V2.5	10.0	10.0	100.0%	0		28.04s	8,391	268	896
GPT-5.6 Luna	10.0	10.0	100.0%	0		6.02s	5,454	256	244

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-Pro V2.5	3.0	10.0	0.0%	0		5.22s	204	16	1,494
GPT-5.6 Luna	3.0	10.0	0.0%	0		6.64s	195	29	2,379

快速对比

切换对比组合