নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs MoonshotAI: Kimi K3

সারাংশ

Claude Opus 4.8 (medium) average score-এ এগিয়ে: 8.8 vs 8.5. Claude Opus 4.8 (medium)-এর benchmark খরচ কম: $1.107 vs $3.112. Claude Opus 4.8 (medium) দ্রুত: 9.72s vs 122.48s, pass rates 84.1% vs 82.5%.

প্রস্তাবিত মডেলClaude Opus 4.8 (medium)It has the best score here (8.8), while costing about 2.8x less than Kimi K3 (max).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-16

মেট্রিক Claude Opus 4.8 Claude Opus 4.8 medium প্রকাশ: 2026-05-28 Kimi K3 Kimi K3 max প্রকাশ: 2026-07-16
স্কোর 8.8 8.5
র‍্যাঙ্ক #16 #21
নির্ভরযোগ্যতা 10.0 9.4
ধারাবাহিকতা 9.6 9.2
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 84.1% 82.5%
অস্থির টেস্ট 1 2
মোট রান 63 63
প্রতি ফলাফলে খরচ 6.512 19.446
মোট খরচ $1.107 $3.112
ইনপুট মূল্য $5.000 / 1M $3.000 / 1M
আউটপুট মূল্য $25.000 / 1M $15.000 / 1M
মোট ইনপুট টোকেন 61,007 34,916
আউটপুট টোকেন 26,495 2,910
রিজনিং টোকেন 5,901 197,529
প্রতিক্রিয়া সময় (গড়) 9.72s 122.48s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 38.03s 766.58s
প্রতিক্রিয়া সময় (মোট) 204.19s 2327.06s

জেনারেশন শোকেস

Hamster playing table tennis

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

#16 Claude Opus 4.8

medium
খরচ
$0.057
সময়
23.1s
টোকেন
2,412 tok

#21 MoonshotAI: Kimi K3

max
খরচ
$0.281
সময়
506.9s
টোকেন
18,863 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.8 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
Kimi K3 10.0 10.0 100.0% 0 325.79s 8,061 460 84,012

দ্রুত তুলনা

তুলনার জুটি বদলান