AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#126

Kimi K2.5

Moonshot AI Lanzamiento: 2026-01-27 Probado el: 2026-05-22 00:03 moonshotai/kimi-k2.5::none
1T en total (32B activos)MoEPesos disponibles
(medium) (none)

Resumen

Kimi K2.5 obtiene 5.3 en AI BENCHY y ocupa el puesto #126. Tiene fiabilidad 10.0, una tasa de aciertos de 36.7%, coste total de $0.026 y tiempo medio de respuesta de 14.16s.

Qué hace único a Kimi K2.5: Destaca más en Específico del dominio, donde ocupa #1, mientras que Combinado es su área más débil con #18. Su coste total de benchmark es inusualmente bajo para su nivel de puntuación.

Datos del modelo

Investigado el 2026-08-12

Declarado
Parámetros
1T en total (32B activos)
Arquitectura
MoE
Disponibilidad
Pesos disponibles
Licencia
Modified MIT
Fuente de los parámetros Fuente de disponibilidad

Puntuación

5.3

Consistencia

8.9

Fiabilidad

10.0

Costo total (precio actual)

$0.026

Total de tokens de salida

6,734

Total de tokens de entrada

0

Precio de entrada

$0.400 / 1M

Precio de salida

$1.900 / 1M

Pruebas correctas

Pruebas incorrectas: 14

Tasa de aciertos por intento: 36.7%

Pruebas inestables

3

Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).

Tiempo de respuesta (promedio)

14.16s

Tiempo de respuesta (máximo): 42.13s

Tiempo de respuesta (total): 184.10s

Respuesta incorrecta: 14

Hamster playing table tennis

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

#126 MoonshotAI: Kimi K2.5

none
Coste
$0.015
Tiempo
89.1s
Tokens
5,421 tok

Historial de ejecuciones

Probado el Puntuación Fiabilidad Pruebas correctas Costo total Comparar
2026-08-14 01:55 Nueva prueba 5.4 10.0 $0.127 ↑ Comparar
2026-07-16 22:13 Prueba nueva añadida 5.5 10.0 $0.127 ↑ Comparar
2026-06-04 13:32 Prueba nueva añadida 5.2 10.0 $0.028 ↑ Comparar
2026-05-22 00:03 Suite modificada 5.3 10.0 $0.026 Ejecución actual
2026-04-20 17:48 Primera ejecución registrada 5.5 N/D $0.017 Comparar

Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.

Comparación de ejecuciones

EjecuciónCobertura del benchmarkPuntuaciónConsistenciaFiabilidadPruebas correctasPruebas inestablesTotal de tokens de salidaTotal de tokens de entradaCosto totalTiempo de respuesta (promedio)
2026-05-22 00:03 · Suite modificada60/60 intentos5.38.910.06/2036,7340$0.02614.16s
2026-06-04 13:32 · Prueba nueva añadida63/63 intentos5.28.910.06/2136,65736,034$0.02813.18s
Diferencia—+0.10.00.000+77-36034-$0.002+985ms

La cobertura del benchmark difiere: 60/60 intentos (Objetivo: 3 repeticiones por prueba) frente a 63/63 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.

Total de tokens de salida

Puntuación vs Total de tokens de salida

Comparación rápida

Kimi K2.5nonevsMiMo-V2.5-PrononeKimi K2.5nonevsDeepSeek V4 Flash 0731noneKimi K2.5nonevsGPT-5.6 LunanoneKimi K2.5nonevsLaguna S 2.1highDisponible gratisKimi K2.5nonevsKAT-Coder-Air V2.5lowKimi K2.5nonevsInkling SmallnoneKimi K2.5nonevsLaguna S 2.1mediumDisponible gratisKimi K2.5nonevsLaguna XS 2.1noneDisponible gratisKimi K2.5nonevsDeepSeek V4 Flash 0423noneKimi K2.5nonevsSeed-2.0-Codenone

Desglose por categoría

Categoría Puntuación Consistencia Pruebas correctas
Trucos anti-IA 3.6 8.4
Programación 6.8 10.0
Combinado 2.8 2.1
Análisis y extracción de datos 7.3 5.8
Específico del dominio 5.3 10.0
Inteligencia general 10.0 10.0
Seguimiento de instrucciones 6.5 10.0
Resolución de acertijos 3.0 10.0
Llamada de herramientas 10.0 10.0
Cultura general 3.0 10.0

Modelos comparados