AI BENCHY
Advertise here
#126

Kimi K2.5

Moonshot AI रिलीज़: 2026-01-27 परीक्षण किया गया: 2026-05-22 00:03 moonshotai/kimi-k2.5::none
(medium) (none)

सारांश

Kimi K2.5 AI BENCHY पर 5.3 स्कोर करता है और #126 पर है। इसकी reliability 10.0, pass rate 36.7%, कुल लागत $0.026, और औसत response time 14.16s है।

Kimi K2.5 को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि डेटा पार्सिंग और निष्कर्षण इसकी सबसे कमजोर जगह है, जहाँ यह #11 पर है।

स्कोर

5.3

संगति

8.9

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.026

कुल आउटपुट टोकन

6,734

कुल इनपुट टोकन

0

इनपुट कीमत

$0.400 / 1M

आउटपुट कीमत

$1.900 / 1M

सही परीक्षण

गलत टेस्ट: 14

प्रति प्रयास पास दर: 36.7%

अस्थिर टेस्ट

3

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

प्रतिक्रिया समय (औसत)

14.16s

प्रतिक्रिया समय (अधिकतम): 42.13s

प्रतिक्रिया समय (कुल): 184.10s

गलत उत्तर: 14

जनरेशन शोकेस

Hamster playing table tennis

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

#126 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
2026-06-04 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 वर्तमान रन
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।

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 K2.5nonevsNemotron 3 Ultra 550b A55bnoneनिःशुल्क उपलब्धKimi K2.5nonevsGPT-5.6 TerranoneKimi K2.5nonevsGemma 4 31Bnoneनिःशुल्क उपलब्धKimi K2.5nonevsGLM 5noneKimi K2.5nonevsQwen3.5-FlashnoneKimi K2.5nonevsQwen3.6 FlashnoneKimi K2.5nonevsGemini 3.5 FlashhighKimi K2.5nonevsGemini 3 Flash PreviewmediumKimi K2.5nonevsNemotron 3 Ultra 550b A55bmediumनिःशुल्क उपलब्धKimi K2.5nonevsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 3.6 8.4
कोडिंग 6.8 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 3.0 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल