Advertise here
#302

Kimi K2.5

Moonshot AI रिलीज़: 2026-01-27 परीक्षण किया गया: 2026-10-01 01:23 moonshotai/kimi-k2.5::none
1T कुल (32B सक्रिय)MoEवेट उपलब्ध
(medium) (none)

सारांश

Kimi K2.5 AI BENCHY पर 5.3 स्कोर करता है और #302 पर है। इसकी reliability 10.0, pass rate 29.0%, कुल लागत $0.262, और औसत response time 35.86s है।

Kimi K2.5 को अलग क्या बनाता है: यह Samanya Buddhimatta में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #14 पर है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

घोषित
पैरामीटर
1T कुल (32B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
वेट उपलब्ध
लाइसेंस
Modified MIT
पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

5.3

संगति

8.6

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.262 ↑ +5.2%

परीक्षण के समय: $0.249

कुल आउटपुट टोकन

49,389

कुल इनपुट टोकन

275,349

इनपुट कीमत

$0.450 / 1M

आउटपुट कीमत

$2.250 / 1M

कैश पढ़ने की कीमत

$0.070 / 1M

कैश लिखने की कीमत

लागू नहीं

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

सही परीक्षण

गलत टेस्ट: 18

प्रति प्रयास पास दर: 29.0%

अस्थिर टेस्ट

4

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

प्रतिक्रिया समय (औसत)

35.86s

प्रतिक्रिया समय (अधिकतम): 321.19s

प्रतिक्रिया समय (कुल): 609.61s

गलत उत्तर: 17 कोई उत्तर नहीं: 1

Hamster playing table tennis

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

#302 MoonshotAI: Kimi K2.5

none
लागत
$0.015
समय
89.1s
टोकन
5,421 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-10-01 01:23 दोबारा परीक्षण 5.3 10.0 $0.262 ↑ वर्तमान रन
2026-07-16 22:13 नया टेस्ट जोड़ा गया 5.5 10.0 $0.127 ↑ तुलना करें
2026-06-04 13:32 नया टेस्ट जोड़ा गया 5.2 10.0 $0.028 ↑ तुलना करें
2026-05-22 00:03 सूट बदला गया 5.3 10.0 $0.026 तुलना करें
2026-04-20 17:48 पहला दर्ज रन 5.5 लागू नहीं $0.017 तुलना करें

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

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-10-01 01:23 · वर्तमान रन69/69 प्रयास5.38.610.05/23449,389275,349$0.26235.86s
2026-06-04 13:32 · नया टेस्ट जोड़ा गया63/63 प्रयास5.28.910.06/2136,65736,034$0.02813.18s
अंतर—+0.1-0.30.0-1+1+42732+239315+$0.235+22683ms

बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 63/63 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत कैश पढ़ने की कीमत कैश लिखने की कीमत
2026-06-04 15:40 $0.400 / 1M $1.900 / 1M लागू नहीं लागू नहीं
2026-06-17 10:07 $0.375 / 1M $2.025 / 1M लागू नहीं लागू नहीं
2026-08-14 12:51 $0.571 / 1M $2.850 / 1M लागू नहीं लागू नहीं
2026-10-01 18:33 $0.450 / 1M $2.250 / 1M $0.070 / 1M लागू नहीं

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 K2.5nonevsGranite 4.2 8BlowKimi K2.5nonevsLaguna XS 2.1noneनिःशुल्क उपलब्धKimi K2.5nonevsGPT-5.6 LunanoneKimi K2.5nonevsQwen3.6 35B A3BnoneKimi K2.5nonevsEmber-1noneKimi K2.5nonevsInkling Smalllowनिःशुल्क उपलब्धKimi K2.5nonevsStep 3.5 FlashmediumKimi K2.5nonevsLing 3.0 FlashnoneKimi K2.5nonevsMiMo-V2.6-FlashnoneKimi K2.5nonevsNemotron 3.5 Lightninghighनिःशुल्क उपलब्ध

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
स्वायत्त एजेंट कार्य 5.0 10.0
एंटी-एआई ट्रिक्स 3.6 8.4
कोडिंग 5.5 10.0
संयुक्त 2.8 1.8
डेटा पार्सिंग और निष्कर्षण 7.3 5.8
डोमेन-विशिष्ट 3.0 10.0
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 6.5 10.0
पहेली समाधान 3.0 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल