#79 MoonshotAI: Kimi K2.5
medium- Coste
- $0.030
- Tiempo
- 58.6s
- Tokens
- 8,683 tok
Moonshot AI
Lanzamiento: 2026-01-27
Probado el: 2026-05-22 00:12
moonshotai/kimi-k2.5::medium
1T en total (32B activos)MoEPesos disponibles
(medium)
(none)
Resumen
Kimi K2.5 obtiene 6.7 en AI BENCHY y ocupa el puesto #79. Tiene fiabilidad 10.0, una tasa de aciertos de 66.7%, coste total de $0.314 y tiempo medio de respuesta de 89.36s.
Qué hace único a Kimi K2.5: Destaca más en Inteligencia general, donde ocupa #4, mientras que Programación es su área más débil con #17.
Datos del modelo
Investigado el 2026-08-12
- Parámetros
- 1T en total (32B activos)
- Arquitectura
- MoE
- Disponibilidad
- Pesos disponibles
- Licencia
- Modified MIT
6.7
Consistencia
6.8
10.0
$0.314
Total de tokens de salida
174,803
Total de tokens de entrada
0
Precio de entrada
$0.400 / 1M
Precio de salida
$1.900 / 1M
Pruebas inestables
8
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
89.36s
Tiempo de respuesta (máximo): 281.00s
Tiempo de respuesta (total): 1161.65s
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Historial de ejecuciones
| Probado el | Puntuación | Fiabilidad | Pruebas correctas | Costo total | Comparar |
|---|---|---|---|---|---|
| 2026-08-14 02:00 Nueva prueba | 7.0 | 10.0 | $0.607 ↑ | Comparar | |
| 2026-07-16 22:17 Prueba nueva añadida | 7.0 | 10.0 | $0.600 ↑ | Comparar | |
| 2026-06-04 13:43 Prueba nueva añadida | 6.8 | 10.0 | $0.328 ↓ | Comparar | |
| 2026-05-22 00:12 Suite modificada | 6.7 | 10.0 | $0.314 | Ejecución actual | |
| 2026-04-20 17:48 Primera ejecución registrada | 7.0 | N/D | $0.220 | Comparar |
Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.
Comparación de ejecuciones
| Ejecución | Cobertura del benchmark | Puntuación | Consistencia | Fiabilidad | Pruebas correctas | Pruebas inestables | Total de tokens de salida | Total de tokens de entrada | Costo total | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:12 · Suite modificada | 60/60 intentos | 6.7 | 6.8 | 10.0 | 9/20 | 8 | 174,803 | 0 | $0.314 | 89.36s |
| 2026-08-14 02:00 · Nueva prueba | 66/66 intentos | 7.0 | 7.0 | 10.0 | 10/22 | 8 | 220,942 | 118,496 | $0.607 | 98.19s |
| Diferencia | — | -0.3 | -0.2 | 0.0 | -1 | 0 | -46139 | -118496 | -$0.294 | -8833ms |
La cobertura del benchmark difiere: 60/60 intentos (Objetivo: 3 repeticiones por prueba) frente a 66/66 intentos (Objetivo: 3 repeticiones por prueba). Los totales y las métricas sensibles a las repeticiones no son directamente comparables.
Estas dos ejecuciones usaron suites de benchmark distintas, así que las diferencias reflejan tanto cambios del modelo como de la suite.
Gráficos
Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.
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
Comparación rápida
Kimi K2.5mediumvsSeed-2.0-MinimediumKimi K2.5mediumvsKAT-Coder-Pro V2.5mediumKimi K2.5mediumvsGrok 4.20mediumKimi K2.5mediumvsQwen3.7 FlashmediumKimi K2.5mediumvsMercury 2mediumKimi K2.5mediumvsSeed-2.0-CodehighKimi K2.5mediumvsGPT-5.5noneKimi K2.5mediumvsGemini 3.5 FlashnoneKimi K2.5mediumvsGLM 5.1mediumKimi K2.5mediumvsQwen3.6 Flashmedium
Desglose por categoría
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Trucos anti-IA | 7.3 | 5.8 | |
| Programación | 4.1 | 1.9 | |
| Combinado | 10.0 | 10.0 | |
| Análisis y extracción de datos | 10.0 | 10.0 | |
| Específico del dominio | 3.5 | 4.4 | |
| Inteligencia general | 6.5 | 3.4 | |
| Seguimiento de instrucciones | 10.0 | 10.0 | |
| Resolución de acertijos | 5.3 | 7.3 | |
| Llamada de herramientas | 10.0 | 10.0 | |
| Cultura general | 3.0 | 10.0 |