AI BENCHY
Advertise here
#54

Kimi K2.6

Moonshot AI रिलीज़: 2026-04-20 परीक्षण किया गया: 2026-05-22 00:14 moonshotai/kimi-k2.6::medium
(medium) (none)

सारांश

Kimi K2.6 AI BENCHY पर 7.4 स्कोर करता है और #54 पर है। इसकी reliability 8.3, pass rate 70.8%, कुल लागत $0.916, और औसत response time 54.11s है।

Kimi K2.6 को अलग क्या बनाता है: यह Samanya Buddhimatta में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #13 पर है।

स्कोर

7.4

संगति

8.3

विश्वसनीयता

8.3

कुल लागत (वर्तमान कीमत)

$0.916

कुल आउटपुट टोकन

331,877

कुल इनपुट टोकन

0

इनपुट कीमत

$0.730 / 1M

आउटपुट कीमत

$3.490 / 1M

सही परीक्षण

गलत टेस्ट: 8

प्रति प्रयास पास दर: 70.8%

अस्थिर टेस्ट

4

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

प्रतिक्रिया समय (औसत)

54.11s

प्रतिक्रिया समय (अधिकतम): 215.85s

प्रतिक्रिया समय (कुल): 1028.14s

गलत उत्तर: 3 निर्देशों का पालन नहीं किया: 2 समय समाप्त: 2 कोई उत्तर नहीं: 1

Hamster playing table tennis

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

#54 MoonshotAI: Kimi K2.6

medium
लागत
$0.013
समय
103.4s
टोकन
3,620 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-07-16 22:59 नया टेस्ट जोड़ा गया 7.2 9.4 $1.222 ↑ 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 वर्तमान रन
2026-04-23 10:54 पहला दर्ज रन 7.7 लागू नहीं $0.722 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 K2.6mediumvsClaude Opus 4.8noneKimi K2.6mediumvsGemini 3.1 Flash LitemediumKimi K2.6mediumvsKAT-Coder-Pro V2.5highKimi K2.6mediumvsGemini 3.1 Flash Lite PreviewmediumKimi K2.6mediumvsQwen3.5 Plus 2026-04-20mediumKimi K2.6mediumvsGemini 3 Flash PreviewmediumKimi K2.6mediumvsGemini 3.5 FlashhighKimi K2.6mediumvsNemotron 3 Ultramediumनिःशुल्क उपलब्धKimi K2.6mediumvsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 7.0 8.0
कोडिंग 6.5 5.3
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 6.0 7.4
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल