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

MoonshotAI: Kimi K2.6 vs StepFun: Step 3.5 Flash

Step 3.5 Flash (medium) average score में आगे है: 6.0 vs 5.8. Step 3.5 Flash (medium) की benchmark लागत कम है: $0.108 vs $0.233. Kimi K2.6 तेज है: 19.58s vs 174.22s, pass rates 34.9% vs 51.5%.

अनुशंसित मॉडलKimi K2.6Its score stays close to the best score here (5.8 vs 6.0), while responding about 8.9x faster than Step 3.5 Flash (medium).

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-07-17

मेट्रिक Kimi K2.6 Kimi K2.6 none रिलीज़: 2026-04-20 Step 3.5 Flash Step 3.5 Flash medium रिलीज़: 2026-02-01
स्कोर 5.8 6.0
रैंक #131 #123
विश्वसनीयता 10.0 9.2
संगति 9.3 9.0
सही परीक्षण
प्रति प्रयास पास दर 34.9% 51.5%
अस्थिर टेस्ट 2 1
कुल रन 66 63
प्रति परिणाम लागत 3.199 0.540
कुल लागत $0.233 $0.108
इनपुट कीमत $0.950 / 1M $0.100 / 1M
आउटपुट कीमत $4.000 / 1M $0.300 / 1M
कुल इनपुट टोकन 116,970 65,707
आउटपुट टोकन 30,253 108,561
रीजनिंग टोकन 0 293,993
प्रतिक्रिया समय (औसत) 19.58s 174.22s
प्रतिक्रिया समय (अधिकतम) 238.89s 1597.85s
प्रतिक्रिया समय (कुल) 430.85s 2613.32s

Hamster playing table tennis

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

#131 MoonshotAI: Kimi K2.6

none
लागत
$0.020
समय
127.4s
टोकन
4,429 tok

#123 Step 3.5 Flash

medium
लागत
$0.008
समय
277.1s
टोकन
23,695 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
Kimi K2.6 5.5 9.8 33.3% 0 82.57s 5,986 14,754 0
Step 3.5 Flash 2.4 5.2 0.0% 0 258.38s 2,211 13,207 22,429

त्वरित तुलना

तुलना जोड़ी बदलें