#51 MoonshotAI: Kimi K2.5
medium- लागत
- $0.030
- समय
- 58.6s
- टोकन
- 8,683 tok
Moonshot AI
रिलीज़: 2026-01-27
परीक्षण किया गया: 2026-04-20 17:48
moonshotai/kimi-k2.5::medium
(medium)
(none)
सारांश
Kimi K2.5 AI BENCHY पर 7.0 स्कोर करता है और #51 पर है। इसकी reliability लागू नहीं, pass rate 72.2%, कुल लागत $0.220, और औसत response time 72.43s है।
Kimi K2.5 को अलग क्या बनाता है: यह Samanya Buddhimatta में सबसे अलग दिखता है, जहाँ इसकी रैंक #4 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है।
7.0
संगति
6.8
लागू नहीं
$0.220
कुल आउटपुट टोकन
127,046
कुल इनपुट टोकन
0
इनपुट कीमत
$0.440 / 1M
आउटपुट कीमत
$2.000 / 1M
अस्थिर टेस्ट
7
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
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 ↓ | तुलना करें | |
| 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 | वर्तमान रन |
रन तुलना
| रन | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-20 17:48 · पहला दर्ज रन | 7.0 | 6.8 | लागू नहीं | 9/18 | 7 | 127,046 | 0 | $0.220 | 72.43s |
| 2026-05-22 00:12 · सूट बदला गया | 6.7 | 6.8 | 10.0 | 9/20 | 8 | 174,803 | 0 | $0.314 | 89.36s |
| अंतर | +0.3 | 0.0 | 0 | -1 | -47757 | 0 | -$0.094 | -16930ms |
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
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 | 4.7 | 1.6 | |
| 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 |