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 4.8 vs MoonshotAI: Kimi K2.5

सारांश

Claude Opus 4.8 vs Kimi K2.5 benchmark तुलना: Claude Opus 4.8 average score में आगे है: 7.7 vs 7.5. Kimi K2.5 की benchmark लागत कम है: $0.348 vs $1.270. Claude Opus 4.8 तेज है: 10.83s vs 98.43s, pass rates 79.4% vs 68.3%.

अनुशंसित मॉडल: Claude Opus 4.8 - It has the best score here (7.7), while responding about 9.1x faster than Kimi K2.5.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-06-30

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 low रिलीज़: 2026-05-28 Kimi K2.5 Kimi K2.5 medium रिलीज़: 2026-01-27
स्कोर 7.7 7.5
रैंक #38 #45
विश्वसनीयता 10.0 10.0
संगति 8.8 6.9
सही परीक्षण
प्रति प्रयास पास दर 79.4% 68.3%
अस्थिर टेस्ट 3 8
कुल रन 63 63
प्रति परिणाम लागत 8.466 3.704
कुल लागत $1.270 $0.348
इनपुट कीमत $5.000 / 1M $0.375 / 1M
आउटपुट कीमत $25.000 / 1M $2.025 / 1M
कुल इनपुट टोकन 60,946 34,312
आउटपुट टोकन 31,771 48,379
रीजनिंग टोकन 6,831 157,747
प्रतिक्रिया समय (औसत) 10.83s 98.43s
प्रतिक्रिया समय (अधिकतम) 127.97s 281.00s
प्रतिक्रिया समय (कुल) 227.39s 1378.03s

जनरेशन शोकेस

Hamster playing table tennis

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

#38 Claude Opus 4.8

low
लागत
$0.031
समय
14.1s
टोकन
1,345 tok

#45 MoonshotAI: Kimi K2.5

medium
लागत
$0.030
समय
58.6s
टोकन
8,683 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

एंटी-एआई ट्रिक्स स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
संयुक्त स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
डेटा पार्सिंग और निष्कर्षण स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
डोमेन-विशिष्ट स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
Samanya Buddhimatta स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
निर्देश पालन स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
पहेली समाधान स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
टूल कॉलिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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
सामान्य ज्ञान स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
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

त्वरित तुलना

तुलना जोड़ी बदलें