AI BENCHY
Advertise here
#111

Kimi K2.6

Moonshot AI रिलीज़: 2026-04-20 परीक्षण किया गया: 2026-05-22 00:18 moonshotai/kimi-k2.6::none
(medium) (none)

सारांश

Kimi K2.6 AI BENCHY पर 5.6 स्कोर करता है और #111 पर है। इसकी reliability 8.3, pass rate 38.3%, कुल लागत $0.088, और औसत response time 13.86s है।

Kimi K2.6 को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #16 पर है।

स्कोर

5.6

संगति

9.2

विश्वसनीयता

8.3

कुल लागत (वर्तमान कीमत)

$0.088

कुल आउटपुट टोकन

16,563

कुल इनपुट टोकन

0

इनपुट कीमत

$0.730 / 1M

आउटपुट कीमत

$3.490 / 1M

सही परीक्षण

गलत टेस्ट: 13

प्रति प्रयास पास दर: 38.3%

अस्थिर टेस्ट

2

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

प्रतिक्रिया समय (औसत)

13.86s

प्रतिक्रिया समय (अधिकतम): 238.89s

प्रतिक्रिया समय (कुल): 277.18s

गलत उत्तर: 10 निर्देशों का पालन नहीं किया: 3

Hamster playing table tennis

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

#111 MoonshotAI: Kimi K2.6

none
लागत
$0.020
समय
127.4s
टोकन
4,429 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-07-16 22:20 नया टेस्ट जोड़ा गया 5.8 10.0 $0.233 ↑ तुलना करें
2026-06-04 13:36 नया टेस्ट जोड़ा गया 5.5 10.0 $0.079 ↓ तुलना करें
2026-05-22 00:18 सूट बदला गया 5.6 8.3 $0.088 वर्तमान रन
2026-04-23 10:54 पहला दर्ज रन 5.8 लागू नहीं $0.038 तुलना करें

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

रन तुलना

रनस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-05-22 00:18 · सूट बदला गया5.69.28.37/20216,5630$0.08813.86s
2026-04-23 10:54 · पहला दर्ज रन5.89.1लागू नहीं7/1822,9730$0.0382.05s
अंतर-0.2+0.100+135900+$0.050+11807ms

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

Kimi K2.6nonevsQwen3.5-35B-A3BnoneKimi K2.6nonevsNemotron 3 Ultranoneनिःशुल्क उपलब्धKimi K2.6nonevsQwen3.5 Plus 2026-04-20noneKimi K2.6nonevsStep 3.5 FlashmediumKimi K2.6nonevsQwen3.5-FlashnoneKimi K2.6nonevsGemini 3 Flash PreviewmediumKimi K2.6nonevsGemini 3.5 FlashhighKimi K2.6nonevsNemotron 3 Ultramediumनिःशुल्क उपलब्धKimi K2.6nonevsGPT-5.5low

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 4.6 10.0
कोडिंग 6.8 9.8
संयुक्त 3.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 5.4 3.5
निर्देश पालन 6.5 10.0
पहेली समाधान 3.2 9.8
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल