Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

MoonshotAI: Kimi K2.5 vs xAI: Grok Build 0.1

Resumen

Comparación benchmark de Kimi K2.5 vs Grok Build 0.1: La puntuación media está prácticamente empatada en 7.5 vs 7.6. Kimi K2.5 tiene menor coste de benchmark con $0.348 vs $0.927. Grok Build 0.1 es más rápido con 49.90s vs 98.43s, con tasas de acierto de 68.3% vs 61.9%.

Modelo recomendado: Kimi K2.5 - Tiene la mejor puntuación aquí (7.5) y cuesta aproximadamente 2.7x menos que Grok Build 0.1.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-02

Métrica Kimi K2.5 Kimi K2.5 medium Lanzamiento: 2026-01-27 Grok Build 0.1 Grok Build 0.1 medium Lanzamiento: 2026-05-21
Puntuación 7.5 7.6
Rango #45 #44
Fiabilidad 10.0 10.0
Consistencia 6.9 9.9
Pruebas correctas
Tasa de aciertos por intento 68.3% 61.9%
Pruebas inestables 8 0
Ejecuciones totales 63 63
Costo por resultado 3.704 7.124
Costo total $0.348 $0.927
Precio de entrada $0.375 / 1M $1.000 / 1M
Precio de salida $2.025 / 1M $2.000 / 1M
Total de tokens de entrada 34,312 44,418
Tokens de salida 48,379 2,782
Tokens de razonamiento 157,747 438,018
Tiempo de respuesta (promedio) 98.43s 49.90s
Tiempo de respuesta (máximo) 281.00s 252.69s
Tiempo de respuesta (total) 1378.03s 1047.92s

Generación showcase

Hamster playing table tennis

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

#45 MoonshotAI: Kimi K2.5

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

#44 xAI: Grok Build 0.1

medium
Coste
$0.028
Tiempo
81.3s
Tokens
14,009 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
Kimi K2.5 7.3 5.8 83.3% 2 51.38s 634 2,789 8,880
Grok Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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
Kimi K2.5 6.1 4.6 66.7% 2 217.49s 6,935 5,705 74,693
Grok Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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
Kimi K2.5 10.0 10.0 100.0% 0 71.37s 11,280 703 3,713
Grok Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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
Kimi K2.5 10.0 10.0 100.0% 0 49.78s 7,020 563 7,940
Grok Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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
Kimi K2.5 3.5 4.4 33.3% 2 137.29s 485 20,753 30,564
Grok Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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
Kimi K2.5 6.5 3.4 66.7% 1 69.73s 480 3,815 4,262
Grok Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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
Kimi K2.5 10.0 10.0 100.0% 0 92.47s 675 5,371 6,547
Grok Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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
Kimi K2.5 5.3 7.3 44.4% 1 43.23s 659 8,426 12,692
Grok Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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
Kimi K2.5 10.0 10.0 100.0% 0 31.74s 5,933 242 812
Grok Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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
Kimi K2.5 3.0 10.0 0.0% 0 83.95s 211 12 7,644
Grok Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

Comparación rápida

Cambiar par de comparación

DeepSeek V4 ProhighvsGrok Build 0.1mediumKimi K2.5mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsKimi K2.5mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Opus 4.8lowvsGrok Build 0.1mediumKimi K2.5mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsKimi K2.5mediumClaude Opus 4.8lowvsKimi K2.5mediumGemini 3 Flash PreviewlowvsGrok Build 0.1mediumClaude Sonnet 4.6nonevsKimi K2.5mediumClaude Sonnet 4.6nonevsGrok Build 0.1medium