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

#82

Kimi K2.5

Moonshot AI रिलीज़: 2026-01-27 परीक्षण किया गया: 2026-04-20 17:48 moonshotai/kimi-k2.5::none
(medium) (none)

संगति

8.7

विश्वसनीयता

लागू नहीं

कुल आउटपुट टोकन

2,659

???? ???

$0.440 / 1M

????? ???

$2.000 / 1M

सही परीक्षण

गलत टेस्ट: 12

प्रति प्रयास पास दर: 40.7%

अस्थिर टेस्ट

3

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

प्रतिक्रिया समय (औसत)

13.37s

प्रतिक्रिया समय (अधिकतम): 42.13s

प्रतिक्रिया समय (कुल): 147.05s

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत 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 वर्तमान रन

चार्ट

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

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 3.6 8.4
कोडिंग 10.0 10.0
संयुक्त 2.8 2.1
डेटा पार्सिंग और निष्कर्षण 7.3 5.8
डोमेन-विशिष्ट 5.3 10.0
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 6.5 10.0
पहेली समाधान 3.1 10.0
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल