AI BENCHY 对比

Kwaipilot: KAT-Coder-Pro V2.5 vs xAI: Grok Build 0.1

摘要

Grok Build 0.1 (medium) 平均分领先，为 7.6 vs 7.5。 KAT-Coder-Pro V2.5 (medium) benchmark 成本更低，为 $0.275 vs $0.927。 KAT-Coder-Pro V2.5 (medium) 更快，为 12.95s vs 49.90s，通过率为 65.1% vs 61.9%。

推荐模型KAT-Coder-Pro V2.5 (medium)它的得分接近这里的最高分（7.5 vs 7.6），同时成本比Grok Build 0.1 (medium)低约 3.4 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 medium 发布日期: 2026-07-14	Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21

指标	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 medium 发布日期: 2026-07-14	Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21
分数	7.5	7.6
排名	#60	#56
可靠性	10.0	10.0
一致性	7.7	9.9
测试正确
尝试通过率	65.1%	61.9%
不稳定测试	6	0
总运行次数	63	63
每个结果成本	2.498	7.124
总成本	$0.275	$0.927
输入价格	$0.740 / 1M	$1.000 / 1M
输出价格	$2.960 / 1M	$2.000 / 1M
总输入令牌	42,750	44,418
输出令牌	2,098	2,782
推理令牌	80,027	438,018
响应时间（平均）	12.95s	49.90s
响应时间（最大）	81.45s	252.69s
响应时间（总计）	271.92s	1047.92s

生成展示

Hamster playing table tennis

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

#60 KAT-Coder-Pro V2.5

medium

成本: $0.009
时间: 25.6s
令牌: 2,939 tok

#56 xAI: Grok Build 0.1

medium

成本: $0.028
时间: 81.3s
令牌: 14,009 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	8.2	7.9	83.3%	1		3.90s	672	208	3,868
Grok Build 0.1	8.3	10.0	75.0%	0		7.43s	2,010	220	12,162

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		33.10s	7,893	416	33,658
Grok Build 0.1	5.7	9.7	33.3%	0		108.46s	8,304	1,138	161,452

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		14.50s	15,132	363	3,367
Grok Build 0.1	10.0	10.0	100.0%	0		32.81s	12,909	231	16,917

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	7.3	5.9	83.3%	1		4.70s	7,776	275	2,122
Grok Build 0.1	10.0	10.0	100.0%	0		10.72s	7,761	180	8,876

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	7.2	11.1%	1		29.03s	771	36	29,584
Grok Build 0.1	5.3	10.0	33.3%	0		158.00s	1,764	492	175,294

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	4.7	3.1	33.3%	1		2.35s	516	92	381
Grok Build 0.1	4.4	9.9	0.0%	0		18.41s	825	76	6,345

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		2.58s	699	83	971
Grok Build 0.1	9.8	10.0	100.0%	0		12.36s	1,362	57	9,599

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	5.9	4.5	66.7%	2		3.20s	696	325	1,867
Grok Build 0.1	7.7	10.0	66.7%	0		18.26s	1,689	195	20,841

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		19.02s	8,391	282	1,010
Grok Build 0.1	10.0	10.0	100.0%	0		13.12s	7,263	180	4,969

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		9.87s	204	18	3,199
Grok Build 0.1	3.0	10.0	0.0%	0		53.51s	531	13	21,563

快速对比

切换对比组合

DeepSeek V4 ProhighvsGrok Build 0.1medium KAT-Coder-Pro V2.5mediumvsGPT-5.3 Chatnone DeepSeek V4 ProhighvsKAT-Coder-Pro V2.5medium KAT-Coder-Pro V2.5highvsGrok Build 0.1medium GPT-5.3 ChatnonevsGrok Build 0.1medium GPT-5.6 LunahighvsGrok Build 0.1medium Step 3.7 FlashlowvsGrok Build 0.1medium GPT-5.6 TerralowvsGrok Build 0.1medium Claude Opus 4.8lowvsGrok Build 0.1medium Gemini 3 Flash PreviewlowvsKAT-Coder-Pro V2.5medium KAT-Coder-Pro V2.5mediumvsGPT-5.6 Lunahigh KAT-Coder-Pro V2.5mediumvsStep 3.7 Flashlow