AI BENCHY Compare

DeepSeek: DeepSeek V3.2 vs MoonshotAI: Kimi K2.5

Ringkasan

Skor rata-rata hampir imbang di 7.0 vs 7.0. DeepSeek V3.2 (medium) memiliki biaya benchmark lebih rendah di $0.078 vs $0.600. DeepSeek V3.2 (medium) lebih cepat di 68.62s vs 99.00s, dengan tingkat keberhasilan 65.2% vs 65.2%.

Model yang direkomendasikanDeepSeek V3.2 (medium)It has the best score here (7.0), while costing about 7.8x less than Kimi K2.5 (medium).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-17

Metrik	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01	Kimi K2.5 Kimi K2.5 medium Rilis: 2026-01-27

Metrik	DeepSeek V3.2 DeepSeek V3.2 medium Rilis: 2025-12-01	Kimi K2.5 Kimi K2.5 medium Rilis: 2026-01-27
Skor	7.0	7.0
Peringkat	#73	#74
Keandalan	10.0	10.0
Konsistensi	7.4	7.0
Tes benar
Tingkat lulus per percobaan	65.2%	65.2%
Tes tidak stabil	7	8
Total Run	66	66
Biaya per hasil	0.671	4.789
Total Biaya	$0.078	$0.600
Harga input	$0.269 / 1M	$0.571 / 1M
Harga output	$0.400 / 1M	$2.850 / 1M
Total token input	101,047	118,448
Token output	11,834	62,124
Token penalaran	117,014	165,243
Waktu respons (rata-rata)	68.62s	99.00s
Waktu respons (maks)	376.10s	281.00s
Waktu respons (total)	1509.53s	1485.04s

Showcase generasi

Hamster playing table tennis

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

#73 DeepSeek V3.2

medium

Biaya: $0.001
Waktu: 53.6s
Token: 1,932 tok

#74 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

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
DeepSeek V3.2	8.2	7.9	83.3%	1		24.23s	448	3,247	6,953
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
DeepSeek V3.2	6.0	7.2	55.6%	1		248.68s	5,717	649	52,014
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
DeepSeek V3.2	7.3	5.8	83.3%	1		79.92s	76,997	5,219	24,229
Kimi K2.5	6.7	9.1	50.0%	0		89.19s	95,416	14,448	11,209

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
DeepSeek V3.2	10.0	10.0	100.0%	0		36.09s	7,388	207	7,693
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
DeepSeek V3.2	2.9	4.4	22.2%	2		24.27s	472	21	6,838
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
DeepSeek V3.2	3.4	2.5	33.3%	1		58.29s	314	49	2,189
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
DeepSeek V3.2	10.0	10.0	100.0%	0		35.78s	627	1,397	2,845
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
DeepSeek V3.2	7.0	7.2	55.6%	1		37.69s	594	518	6,375
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
DeepSeek V3.2	10.0	10.0	100.0%	0		34.81s	8,307	507	859
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
DeepSeek V3.2	3.0	10.0	0.0%	0		83.99s	183	20	7,019
Kimi K2.5	3.0	10.0	0.0%	0		83.95s	211	12	7,644

Perbandingan Cepat

Ganti Pasangan Perbandingan

Gemini 3.5 FlashnonevsKimi K2.5medium DeepSeek V3.2mediumvsGemini 3.5 Flashnone DeepSeek V4 PrononevsKimi K2.5medium Kimi K2.5mediumvsGPT-5.6 Solnone DeepSeek V3.2mediumvsGPT-5.6 Solnone Kimi K2.5mediumvsStep 3.7 Flashhigh Kimi K2.5mediumvsGPT-5.5none DeepSeek V3.2mediumvsQwen3.7 Plusnone DeepSeek V3.2mediumvsStep 3.7 Flashhigh DeepSeek V3.2mediumvsGPT-5.5none Kimi K2.5mediumvsQwen3.7 Plusnone Gemini 3.5 FlashminimalvsKimi K2.5medium