AI BENCHY Compare
MoonshotAI: Kimi K2.5 vs OpenAI: GPT-5.3 Chat
Bandingkan:
Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-03
| Metrik | MoonshotAI: Kimi K2.5 medium Rilis: 2026-01-27 | OpenAI: GPT-5.3 Chat none Rilis: 2026-03-03 |
|---|---|---|
| Peringkat | #25 | #14 |
| Skor Rata-rata | 6.29 | 7.27 |
| Konsistensi | 7.69 | 8.26 |
| Biaya per hasil | 2.335 | 2.835 |
| Total Biaya | $0.187 | $0.256 |
| Tes benar | ||
| Tingkat lulus per percobaan | 73.8% | 73.8% |
| Tes tidak stabil | 4 | 3 |
| Token output | 30,504 | 16,339 |
| Token penalaran | 58,467 | 0 |
Skor vs Total Biaya
Rincian Kategori
| Trik anti-AI | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 7.00 | 7.21 | 88.9% | 1 | 335 | 6,255 | |
| OpenAI: GPT-5.3 Chat | 7.33 | 7.49 | 77.8% | 1 | 3,091 | 0 |
| Parsing dan ekstraksi data | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 10.00 | 10.00 | 100.0% | 0 | 1,181 | 6,049 | |
| OpenAI: GPT-5.3 Chat | 9.88 | 10.00 | 100.0% | 0 | 942 | 0 |
| Spesifik domain | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 1.00 | 4.41 | 33.3% | 2 | 20,696 | 30,894 | |
| OpenAI: GPT-5.3 Chat | 1.00 | 4.41 | 33.3% | 2 | 8,264 | 0 |
| Kepatuhan instruksi | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 9.50 | 10.00 | 100.0% | 0 | 3,777 | 4,967 | |
| OpenAI: GPT-5.3 Chat | 8.50 | 9.99 | 50.0% | 0 | 1,455 | 0 |
| Puzzle Solving | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 5.00 | 7.61 | 55.6% | 1 | 4,273 | 9,490 | |
| OpenAI: GPT-5.3 Chat | 10.00 | 10.00 | 100.0% | 0 | 1,726 | 0 |
| Pemanggilan alat | Skor | Konsistensi | Tingkat lulus per percobaan | Tes tidak stabil | Tes benar | Token output | Token penalaran |
|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 10.00 | 10.00 | 100.0% | 0 | 242 | 812 | |
| OpenAI: GPT-5.3 Chat | 10.00 | 10.00 | 100.0% | 0 | 861 | 0 |
Perbandingan Cepat
Ganti Pasangan Perbandingan
Kimi K2.5mediumvsQwen3.5 Plus 2026-02-15noneGPT-5.3 ChatnonevsGLM 5mediumClaude Sonnet 4.6nonevsKimi K2.5mediumClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneKimi K2.5mediumvsGLM 5noneGPT-5.3 ChatnonevsStep 3.5 FlashmediumTersedia gratisDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewhighvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.5-122B-A10BmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3 Chatnone