AI BENCHY
Advertise here

#39

Kimi K2.6

Moonshot AI रिलीज़: 2026-04-20 परीक्षण किया गया: 2026-04-23 10:54 moonshotai/kimi-k2.6::medium
(medium) (none)

संगति

8.3

विश्वसनीयता

लागू नहीं

कुल आउटपुट टोकन

260,573

कुल इनपुट टोकन

0

इनपुट कीमत

$0.750 / 1M

आउटपुट कीमत

$3.500 / 1M

सही परीक्षण

गलत टेस्ट: 7

प्रति प्रयास पास दर: 74.1%

अस्थिर टेस्ट

4

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

प्रतिक्रिया समय (औसत)

45.20s

प्रतिक्रिया समय (अधिकतम): 215.85s

प्रतिक्रिया समय (कुल): 768.37s

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 13:59 नया टेस्ट जोड़ा गया 7.2 7.8 $0.891 तुलना करें
2026-05-22 00:14 सूट बदला गया 7.4 8.3 $0.916 तुलना करें
2026-04-23 10:54 पहला दर्ज रन 7.7 लागू नहीं $0.722 वर्तमान रन

रन तुलना

रनस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-04-23 10:54 · पहला दर्ज रन7.78.3लागू नहीं11/184260,5730$0.72245.20s
2026-05-22 00:14 · सूट बदला गया7.48.38.312/204331,8770$0.91654.11s
अंतर+0.30.0-10-713040-$0.194-8914ms

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।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 7.0 8.0
कोडिंग 10.0 10.0
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 10.0 10.0
पहेली समाधान 5.0 5.2
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल