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

Anthropic: Claude Sonnet 4.6 vs MoonshotAI: Kimi K3

Kimi K3 (max) average score-এ এগিয়ে: 8.0 vs 7.8. Claude Sonnet 4.6 (medium)-এর benchmark খরচ কম: $2.057 vs $3.112. Claude Sonnet 4.6 (medium) দ্রুত: 25.91s vs 122.48s, pass rates 66.7% vs 75.8%.

প্রস্তাবিত মডেলClaude Sonnet 4.6 (medium)Its score stays close to the best score here (7.8 vs 8.0), while costing about 1.5x less than Kimi K3 (max).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-17

মেট্রিক Claude Sonnet 4.6 Claude Sonnet 4.6 medium প্রকাশ: 2026-02-17 Kimi K3 Kimi K3 max প্রকাশ: 2026-07-16
স্কোর 7.8 8.0
র‍্যাঙ্ক #38 #31
নির্ভরযোগ্যতা 10.0 9.1
ধারাবাহিকতা 9.2 9.5
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 66.7% 75.8%
অস্থির টেস্ট 2 1
মোট রান 66 66
প্রতি ফলাফলে খরচ 14.692 19.446
মোট খরচ $2.057 $3.112
ইনপুট মূল্য $3.000 / 1M $3.000 / 1M
আউটপুট মূল্য $15.000 / 1M $15.000 / 1M
মোট ইনপুট টোকেন 106,292 34,916
আউটপুট টোকেন 80,748 2,910
রিজনিং টোকেন 35,117 197,529
প্রতিক্রিয়া সময় (গড়) 25.91s 122.48s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 140.96s 766.58s
প্রতিক্রিয়া সময় (মোট) 362.78s 2327.06s

Hamster playing table tennis

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

#38 Claude Sonnet 4.6

medium
অবৈধ SVG
খরচ
$0.000
সময়
300.0s
টোকেন
0 tok

#31 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 Sonnet 4.6 5.7 6.6 44.4% 1 33.29s 6,995 16,089 3,686
Kimi K3 10.0 10.0 100.0% 0 325.79s 8,061 460 84,012

দ্রুত তুলনা

তুলনার জুটি বদলান