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

#74

Kimi K2.6

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

संगति

9.1

विश्वसनीयता

लागू नहीं

कुल आउटपुट टोकन

2,973

कुल इनपुट टोकन

0

इनपुट कीमत

$0.750 / 1M

आउटपुट कीमत

$3.500 / 1M

सही परीक्षण

गलत टेस्ट: 11

प्रति प्रयास पास दर: 42.6%

अस्थिर टेस्ट

2

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

प्रतिक्रिया समय (औसत)

2.05s

प्रतिक्रिया समय (अधिकतम): 6.65s

प्रतिक्रिया समय (कुल): 36.93s

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत 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 तुलना करें
2026-04-23 10:54 पहला दर्ज रन 5.8 लागू नहीं $0.038 वर्तमान रन

रन तुलना

रनस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-04-23 10:54 · पहला दर्ज रन5.89.1लागू नहीं7/1822,9730$0.0382.05s
2026-06-04 13:36 · नया टेस्ट जोड़ा गया5.59.210.07/21216,41032,916$0.08913.27s
अंतर+0.4-0.100-13437-32916-$0.051-11213ms

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 4.6 10.0
कोडिंग 10.0 10.0
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 3.4 9.7
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल