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

MoonshotAI: Kimi K2.5 vs StepFun: Step 3.7 Flash

Kimi K2.5 (medium) average score-এ এগিয়ে: 7.0 vs 6.9. Kimi K2.5 (medium)-এর benchmark খরচ কম: $0.600 vs $1.207. Step 3.7 Flash (high) দ্রুত: 64.68s vs 99.00s, pass rates 65.2% vs 63.6%.

প্রস্তাবিত মডেলKimi K2.5 (medium)It has the best score here (7.0), while costing about 2.0x less than Step 3.7 Flash (high).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-24

মেট্রিক Kimi K2.5 Kimi K2.5 medium প্রকাশ: 2026-01-27 Step 3.7 Flash Step 3.7 Flash high প্রকাশ: 2026-05-29
স্কোর 7.0 6.9
র‍্যাঙ্ক #81 #90
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 7.0 8.0
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 65.2% 63.6%
অস্থির টেস্ট 8 5
মোট রান 66 66
প্রতি ফলাফলে খরচ 4.789 10.973
মোট খরচ $0.600 $1.207
ইনপুট মূল্য $0.571 / 1M $0.200 / 1M
আউটপুট মূল্য $2.850 / 1M $1.150 / 1M
মোট ইনপুট টোকেন 118,448 98,691
আউটপুট টোকেন 62,124 1,032,395
রিজনিং টোকেন 165,243 0
প্রতিক্রিয়া সময় (গড়) 99.00s 64.68s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 281.00s 364.99s
প্রতিক্রিয়া সময় (মোট) 1485.04s 1423.01s

Hamster playing table tennis

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

#81 MoonshotAI: Kimi K2.5

medium
খরচ
$0.030
সময়
58.6s
টোকেন
8,683 tok

#90 Step 3.7 Flash

high
খরচ
$0.007
সময়
63.6s
টোকেন
6,030 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
Kimi K2.5 6.1 4.6 66.7% 2 217.49s 6,935 5,705 74,693
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0

দ্রুত তুলনা

তুলনার জুটি বদলান