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

AI BENCHY तुलना

Anthropic: Claude Opus 4.7 vs MoonshotAI: Kimi K3

सारांश

Claude Opus 4.7 (medium) average score में आगे है: 8.7 vs 8.5. Claude Opus 4.7 (medium) की benchmark लागत कम है: $0.679 vs $3.112. Claude Opus 4.7 (medium) तेज है: 4.73s vs 122.48s, pass rates 82.5% vs 82.5%.

अनुशंसित मॉडलClaude Opus 4.7 (medium)It has the best score here (8.7), while costing about 4.6x less than Kimi K3 (max).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-16

मेट्रिक Claude Opus 4.7 Claude Opus 4.7 medium रिलीज़: 2026-04-16 Kimi K3 Kimi K3 max रिलीज़: 2026-07-16
स्कोर 8.7 8.5
रैंक #18 #21
विश्वसनीयता 10.0 9.4
संगति 9.6 9.2
सही परीक्षण
प्रति प्रयास पास दर 82.5% 82.5%
अस्थिर टेस्ट 1 2
कुल रन 63 63
प्रति परिणाम लागत 3.991 19.446
कुल लागत $0.679 $3.112
इनपुट कीमत $5.000 / 1M $3.000 / 1M
आउटपुट कीमत $25.000 / 1M $15.000 / 1M
कुल इनपुट टोकन 65,406 34,916
आउटपुट टोकन 11,858 2,910
रीजनिंग टोकन 2,198 197,529
प्रतिक्रिया समय (औसत) 4.73s 122.48s
प्रतिक्रिया समय (अधिकतम) 23.18s 766.58s
प्रतिक्रिया समय (कुल) 94.51s 2327.06s

जनरेशन शोकेस

Hamster playing table tennis

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

#18 Claude Opus 4.7

medium
लागत
$0.059
समय
26.8s
टोकन
2,475 tok

#21 MoonshotAI: Kimi K3

max
लागत
$0.281
समय
506.9s
टोकन
18,863 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Opus 4.7 7.6 7.2 77.8% 1 12.96s 10,635 7,629 1,114
Kimi K3 10.0 10.0 100.0% 0 325.79s 8,061 460 84,012

त्वरित तुलना

तुलना जोड़ी बदलें