AI BENCHY 对比

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

摘要

GPT-5.6 Terra (high) 平均分领先，为 8.2 vs 8.0。 KAT-Coder-Pro V2.5 (low) benchmark 成本更低，为 $0.220 vs $0.852。 KAT-Coder-Pro V2.5 (low) 更快，为 10.44s vs 10.89s，通过率为 71.4% vs 68.3%。

推荐模型KAT-Coder-Pro V2.5 (low)它的得分接近这里的最高分（8.0 vs 8.2），同时成本比GPT-5.6 Terra (high)低约 3.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-16

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

指标	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 low 发布日期: 2026-07-14	GPT-5.6 Terra GPT-5.6 Terra high 发布日期: 2026-07-09
分数	8.0	8.2
排名	#38	#32
可靠性	9.9	10.0
一致性	7.3	9.6
测试正确
尝试通过率	71.4%	68.3%
不稳定测试	7	1
总运行次数	63	63
每个结果成本	1.991	6.086
总成本	$0.220	$0.852
输入价格	$0.740 / 1M	$2.500 / 1M
输出价格	$2.960 / 1M	$15.000 / 1M
总输入令牌	42,750	34,218
输出令牌	2,167	1,908
推理令牌	61,133	49,189
响应时间（平均）	10.44s	10.89s
响应时间（最大）	51.34s	91.49s
响应时间（总计）	219.17s	228.65s

生成展示

Hamster playing table tennis

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

#38 KAT-Coder-Pro V2.5

low

成本: $0.016
时间: 47.6s
令牌: 5,182 tok

#32 GPT-5.6 Terra

high

成本: $0.055
时间: 30.2s
令牌: 3,748 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	6.9	5.8	75.0%	2		4.20s	672	277	4,228
GPT-5.6 Terra	8.3	10.0	75.0%	0		2.54s	606	158	700

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	7.8	10.0	66.7%	0		24.87s	7,893	402	24,945
GPT-5.6 Terra	7.6	7.2	77.8%	1		9.14s	7,302	370	6,087

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		14.59s	15,132	394	3,391
GPT-5.6 Terra	10.0	10.0	100.0%	0		6.94s	11,019	314	627

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		4.19s	7,776	288	1,917
GPT-5.6 Terra	10.0	10.0	100.0%	0		938ms	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-Pro V2.5	4.1	4.4	44.5%	2		17.52s	771	35	16,877
GPT-5.6 Terra	5.3	10.0	33.3%	0		43.44s	723	70	32,942

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	4.1	2.7	33.3%	1		2.32s	516	99	412
GPT-5.6 Terra	5.1	10.0	0.0%	0		3.03s	477	113	216

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	10.0	10.0	100.0%	0		2.53s	699	83	1,008
GPT-5.6 Terra	10.0	10.0	100.0%	0		2.14s	660	96	319

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	6.4	4.4	77.8%	2		3.11s	696	289	1,820
GPT-5.6 Terra	7.7	10.0	66.7%	0		5.45s	642	277	2,613

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		18.45s	8,391	282	834
GPT-5.6 Terra	10.0	10.0	100.0%	0		4.97s	5,454	258	168

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		17.06s	204	18	5,701
GPT-5.6 Terra	3.0	10.0	0.0%	0		23.30s	195	30	5,517

快速对比

切换对比组合