Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs MoonshotAI: Kimi K2.5

Resumen

Comparación benchmark de Claude Opus 4.8 vs Kimi K2.5: Claude Opus 4.8 lidera en puntuación media con 7.7 vs 7.5. Kimi K2.5 tiene menor coste de benchmark con $0.348 vs $1.270. Claude Opus 4.8 es más rápido con 10.83s vs 98.43s, con tasas de acierto de 79.4% vs 68.3%.

Modelo recomendado: Claude Opus 4.8 - Tiene la mejor puntuación aquí (7.7) y responde aproximadamente 9.1x más rápido que Kimi K2.5.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-30

Métrica Claude Opus 4.8 Claude Opus 4.8 low Lanzamiento: 2026-05-28 Kimi K2.5 Kimi K2.5 medium Lanzamiento: 2026-01-27
Puntuación 7.7 7.5
Rango #38 #45
Fiabilidad 10.0 10.0
Consistencia 8.8 6.9
Pruebas correctas
Tasa de aciertos por intento 79.4% 68.3%
Pruebas inestables 3 8
Ejecuciones totales 63 63
Costo por resultado 8.466 3.704
Costo total $1.270 $0.348
Precio de entrada $5.000 / 1M $0.375 / 1M
Precio de salida $25.000 / 1M $2.025 / 1M
Total de tokens de entrada 60,946 34,312
Tokens de salida 31,771 48,379
Tokens de razonamiento 6,831 157,747
Tiempo de respuesta (promedio) 10.83s 98.43s
Tiempo de respuesta (máximo) 127.97s 281.00s
Tiempo de respuesta (total) 227.39s 1378.03s

Generación showcase

Hamster playing table tennis

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

#38 Claude Opus 4.8

low
Coste
$0.031
Tiempo
14.1s
Tokens
1,345 tok

#45 MoonshotAI: Kimi K2.5

medium
Coste
$0.030
Tiempo
58.6s
Tokens
8,683 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 10.0 10.0 100.0% 0 3.30s 834 793 371
Kimi K2.5 7.3 5.8 83.3% 2 51.38s 634 2,789 8,880
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
Kimi K2.5 6.1 4.6 66.7% 2 217.49s 6,935 5,705 74,693
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 9.8 10.0 100.0% 0 20.84s 23,500 2,216 1,081
Kimi K2.5 10.0 10.0 100.0% 0 71.37s 11,280 703 3,713
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 6.3 5.8 66.7% 1 2.27s 10,503 310 0
Kimi K2.5 10.0 10.0 100.0% 0 49.78s 7,020 563 7,940
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 5.3 10.0 33.3% 0 45.53s 975 23,311 3,908
Kimi K2.5 3.5 4.4 33.3% 2 137.29s 485 20,753 30,564
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 10.0 10.0 100.0% 0 2.55s 708 231 0
Kimi K2.5 6.5 3.4 66.7% 1 69.73s 480 3,815 4,262
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 9.8 10.0 100.0% 0 2.78s 909 111 221
Kimi K2.5 10.0 10.0 100.0% 0 92.47s 675 5,371 6,547
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 10.0 10.0 100.0% 0 3.01s 894 592 184
Kimi K2.5 5.3 7.3 44.4% 1 43.23s 659 8,426 12,692
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 10.0 10.0 100.0% 0 6.85s 11,775 370 35
Kimi K2.5 10.0 10.0 100.0% 0 31.74s 5,933 242 812
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
Claude Opus 4.8 3.0 10.0 0.0% 0 5.48s 258 200 222
Kimi K2.5 3.0 10.0 0.0% 0 83.95s 211 12 7,644

Comparación rápida

Cambiar par de comparación

Claude Opus 4.8lowvsQwen3.5-122B-A10BmediumClaude Opus 4.8lowvsKimi K2.6mediumDisponible gratisClaude Opus 4.8lowvsGrok 4.3mediumClaude Opus 4.8lowvsGemini 3.1 Flash LitemediumClaude Opus 4.8lowvsQwen3.5 Plus 2026-04-20mediumKimi K2.5mediumvsGPT-5.3 ChatnoneClaude Opus 4.8lowvsGemini 3.1 Flash Lite PreviewmediumDeepSeek V4 ProhighvsKimi K2.5mediumClaude Opus 4.8lowvsQwen3.6 PlusmediumClaude Opus 4.8lowvsMiniMax M3mediumClaude Opus 4.8lowvsDeepSeek V4 ProhighClaude Opus 4.8lowvsGrok Build 0.1medium