#274 MoonshotAI: Kimi K3.1 Pro
high- लागत
- $0.074
- समय
- 141.9s
- टोकन
- 7,498 tok
Moonshot AI
रिलीज़: 2026-10-24
परीक्षण किया गया: 2026-10-24 15:44
moonshotai/kimi-k3.1-pro::high
~2.8T कुल (~104B सक्रिय)MoEबंद स्रोतअनुमानित
सारांश
Kimi K3.1 Pro AI BENCHY पर 6.2 स्कोर करता है और #274 पर है। इसकी reliability 8.5, pass rate 60.9%, कुल लागत $1.255, और औसत response time 39.12s है।
Kimi K3.1 Pro को अलग क्या बनाता है: यह Samanya Buddhimatta में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि डोमेन-विशिष्ट इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है।
मॉडल विवरण
शोध की तारीख: 2026-10-24
- पैरामीटर
- ~2.8T कुल (~104B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- लाइसेंस
- -
सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।
6.2
संगति
5.3
8.5
$1.255
कुल आउटपुट टोकन
92,327
कुल इनपुट टोकन
165,632
इनपुट कीमत
$2.000 / 1M
आउटपुट कीमत
$10.000 / 1M
कैश पढ़ने की कीमत
$0.200 / 1M
कैश लिखने की कीमत
लागू नहीं
कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।
अस्थिर टेस्ट
13
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-10-24 20:16 दोबारा परीक्षण | 8.2 | 8.5 | $1.646 | तुलना करें | |
| 2026-10-24 15:44 पहला रन | 6.2 | 8.5 | $1.255 | वर्तमान रन |
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-24 15:44 · पहला रन | 69/69 प्रयास | 6.2 | 5.3 | 8.5 | 7/23 | 13 | 92,327 | 165,632 | $1.255 | 39.12s |
| 2026-10-24 20:16 · दोबारा परीक्षण | 69/69 प्रयास | 8.2 | 8.4 | 8.5 | 16/23 | 5 | 114,612 | 249,927 | $1.646 | 54.31s |
| अंतर | — | -2.0 | -3.1 | 0.0 | -9 | +8 | -22285 | -84295 | -$0.392 | -15190ms |
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
Kimi K3.1 ProhighvsSeed-2.0-LitemediumKimi K3.1 ProhighvsSeed-2.0-CodelowKimi K3.1 ProhighvsGPT-5.6 TerramediumKimi K3.1 ProhighvsDeepSeek V4 Pro 0423highKimi K3.1 ProhighvsGLM 5.2mediumKimi K3.1 ProhighvsClaude Opus 4.7mediumKimi K3.1 ProhighvsGrok 4.5highKimi K3.1 ProhighvsDeepSeek V4 Flash 0423highKimi K3.1 ProhighvsDeepSeek V4.1 Flash 1017maxKimi K3.1 ProhighvsDeepSeek V4.1 Flashlow
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| स्वायत्त एजेंट कार्य | 6.1 | 3.1 | |
| एंटी-एआई ट्रिक्स | 7.3 | 5.8 | |
| कोडिंग | 8.2 | 7.2 | |
| संयुक्त | 3.3 | 1.7 | |
| डेटा पार्सिंग और निष्कर्षण | 7.3 | 5.9 | |
| डोमेन-विशिष्ट | 2.9 | 4.4 | |
| Samanya Buddhimatta | 10.0 | 10.0 | |
| निर्देश पालन | 6.5 | 10.0 | |
| पहेली समाधान | 4.0 | 1.6 | |
| टूल कॉलिंग | 4.7 | 1.6 | |
| सामान्य ज्ञान | 3.0 | 10.0 |