नेविगेशन
AI BENCHY
Advertise here

Muse Glimmer 30B (low) vs Kimi K2.5 (medium)

Muse Glimmer 30B (low) average score में आगे है: 7.1 vs 7.0. Muse Glimmer 30B (low) की benchmark लागत कम है: $0.186 vs $0.600. Muse Glimmer 30B (low) तेज है: 18.51s vs 99.00s, pass rates 63.6% vs 65.2%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-08-11

रैंक
#99
कुल आउटपुट टोकन
95,478
प्रतिक्रिया समय (औसत)
18.51s
कुल लागत
$0.186
रैंक
#103
कुल आउटपुट टोकन
227,367
प्रतिक्रिया समय (औसत)
99.00s
कुल लागत
$0.600
अनुशंसित मॉडल Muse Glimmer 30B (low)

It has the best score here (7.1), while costing about 3.2x less than Kimi K2.5 (medium).

विस्तृत तुलना

मेट्रिक Muse Glimmer 30B Muse Glimmer 30B low रिलीज़: 2026-08-11 Kimi K2.5 Kimi K2.5 medium रिलीज़: 2026-01-27
स्कोर 7.1 7.0
रैंक #99 #103
विश्वसनीयता 10.0 10.0
संगति 8.2 7.0
बेंचमार्क कवरेज 22/22 टेस्ट · 66/66 प्रयास 22/22 टेस्ट · 66/66 प्रयास
सही परीक्षण
प्रति प्रयास पास दर 63.6% 65.2%
अस्थिर टेस्ट 5 8
कुल रन 66 66
प्रति परिणाम लागत 1.685 4.789
कुल लागत $0.186 $0.600
इनपुट कीमत $0.350 / 1M $0.571 / 1M
आउटपुट कीमत $1.500 / 1M $2.850 / 1M
कुल इनपुट टोकन 130,300 118,448
आउटपुट टोकन 33,907 62,124
रीजनिंग टोकन 61,571 165,243
प्रतिक्रिया समय (औसत) 18.51s 99.00s
प्रतिक्रिया समय (अधिकतम) 234.92s 281.00s
प्रतिक्रिया समय (कुल) 407.22s 1485.04s

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#99 Muse Glimmer 30B

low
लागत
$0.002
समय
13.5s
टोकन
953 tok

#103 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

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Muse Glimmer 30B 8.1 9.9 66.7% 0 16.52s 7,419 2,759 10,173
Kimi K2.5 6.1 4.6 66.7% 2 217.49s 6,935 5,705 74,693

त्वरित तुलना

तुलना जोड़ी बदलें