AI BENCHY
Advertise here
#45

Kimi K2.5

Moonshot AI रिलीज़: 2026-01-27 परीक्षण किया गया: 2026-06-04 13:43 moonshotai/kimi-k2.5::medium
(medium) (none)

सारांश

Kimi K2.5 AI BENCHY पर 7.5 स्कोर करता है और #45 पर है। इसकी reliability 10.0, pass rate 68.3%, कुल लागत $0.348, और औसत response time 98.43s है।

Kimi K2.5 को अलग क्या बनाता है: यह Samanya Buddhimatta में सबसे अलग दिखता है, जहाँ इसकी रैंक #4 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है।

स्कोर

7.5

संगति

6.9

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.348 ↓ -6.2%

परीक्षण के समय: $0.371

कुल आउटपुट टोकन

206,126

कुल इनपुट टोकन

34,312

इनपुट कीमत

$0.375 / 1M

आउटपुट कीमत

$2.025 / 1M

सही परीक्षण

गलत टेस्ट: 11

प्रति प्रयास पास दर: 68.3%

अस्थिर टेस्ट

8

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

98.43s

प्रतिक्रिया समय (अधिकतम): 281.00s

प्रतिक्रिया समय (कुल): 1378.03s

गलत उत्तर: 5 निर्देशों का पालन नहीं किया: 2 कोई उत्तर नहीं: 2 समय समाप्त: 2

जनरेशन शोकेस

Hamster playing table tennis

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

#45 MoonshotAI: Kimi K2.5

medium
लागत
$0.030
समय
58.6s
टोकन
8,683 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 13:43 नया टेस्ट जोड़ा गया 6.8 10.0 $0.328 ↓ वर्तमान रन
2026-05-22 00:12 सूट बदला गया 6.7 10.0 $0.314 तुलना करें
2026-04-20 17:48 पहला दर्ज रन 7.0 लागू नहीं $0.220 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-06-04 15:40 $0.400 / 1M $1.900 / 1M
2026-06-17 10:07 $0.375 / 1M $2.025 / 1M

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Kimi K2.5mediumvsDeepSeek V4 ProhighKimi K2.5mediumvsMiniMax M3mediumKimi K2.5mediumvsMercury 2mediumKimi K2.5mediumvsStep 3.7 FlashlowKimi K2.5mediumvsGPT-5.3 ChatnoneKimi K2.5mediumvsGemini 3.5 FlashhighKimi K2.5mediumvsGemini 3 Flash PreviewmediumKimi K2.5mediumvsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धKimi K2.5mediumvsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 7.3 5.8
कोडिंग 6.1 4.6
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.5 4.4
Samanya Buddhimatta 6.5 3.4
निर्देश पालन 10.0 10.0
पहेली समाधान 5.3 7.3
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल