AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs MoonshotAI: Kimi K2.5

Ringkasan

Perbandingan benchmark Claude Opus 4.8 vs Kimi K2.5: Claude Opus 4.8 unggul dalam skor rata-rata dengan 7.7 vs 7.5. Kimi K2.5 memiliki biaya benchmark lebih rendah di $0.348 vs $1.270. Claude Opus 4.8 lebih cepat di 10.83s vs 98.43s, dengan tingkat keberhasilan 79.4% vs 68.3%.

Model yang direkomendasikan: Claude Opus 4.8 - It has the best score here (7.7), while responding about 9.1x faster than Kimi K2.5.

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-30

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	Kimi K2.5 Kimi K2.5 medium Rilis: 2026-01-27

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	Kimi K2.5 Kimi K2.5 medium Rilis: 2026-01-27
Skor	7.7	7.5
Peringkat	#38	#45
Keandalan	10.0	10.0
Konsistensi	8.8	6.9
Tes benar
Tingkat lulus per percobaan	79.4%	68.3%
Tes tidak stabil	3	8
Total Run	63	63
Biaya per hasil	8.466	3.704
Total Biaya	$1.270	$0.348
Harga input	$5.000 / 1M	$0.375 / 1M
Harga output	$25.000 / 1M	$2.025 / 1M
Total token input	60,946	34,312
Token output	31,771	48,379
Token penalaran	6,831	157,747
Waktu respons (rata-rata)	10.83s	98.43s
Waktu respons (maks)	127.97s	281.00s
Waktu respons (total)	227.39s	1378.03s

Showcase generasi

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

Biaya: $0.031
Waktu: 14.1s
Token: 1,345 tok

#45 MoonshotAI: Kimi K2.5

medium

Biaya: $0.030
Waktu: 58.6s
Token: 8,683 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Kimi K2.5	7.3	5.8	83.3%	2		51.38s	634	2,789	8,880

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Kimi K2.5	6.1	4.6	66.7%	2		217.49s	6,935	5,705	74,693

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Kimi K2.5	10.0	10.0	100.0%	0		71.37s	11,280	703	3,713

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Kimi K2.5	10.0	10.0	100.0%	0		49.78s	7,020	563	7,940

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Kimi K2.5	3.5	4.4	33.3%	2		137.29s	485	20,753	30,564

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Kimi K2.5	6.5	3.4	66.7%	1		69.73s	480	3,815	4,262

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Kimi K2.5	10.0	10.0	100.0%	0		92.47s	675	5,371	6,547

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Kimi K2.5	5.3	7.3	44.4%	1		43.23s	659	8,426	12,692

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Kimi K2.5	10.0	10.0	100.0%	0		31.74s	5,933	242	812

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Kimi K2.5	3.0	10.0	0.0%	0		83.95s	211	12	7,644

Perbandingan Cepat

Ganti Pasangan Perbandingan