MoonshotAI: Kimi K2.5 vs StepFun: Step 3.7 Flash

Kimi K2.5 (medium) unggul dalam skor rata-rata dengan 7.0 vs 6.9. Kimi K2.5 (medium) memiliki biaya benchmark lebih rendah di $0.600 vs $1.207. Step 3.7 Flash (high) lebih cepat di 64.68s vs 99.00s, dengan tingkat keberhasilan 65.2% vs 63.6%.

Model yang direkomendasikanKimi K2.5 (medium)It has the best score here (7.0), while costing about 2.0x less than Step 3.7 Flash (high).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-24

Metrik	Kimi K2.5 Kimi K2.5 medium Rilis: 2026-01-27	Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29

Metrik	Kimi K2.5 Kimi K2.5 medium Rilis: 2026-01-27	Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29
Skor	7.0	6.9
Peringkat	#81	#90
Keandalan	10.0	10.0
Konsistensi	7.0	8.0
Tes benar
Tingkat lulus per percobaan	65.2%	63.6%
Tes tidak stabil	8	5
Total Run	66	66
Biaya per hasil	4.789	10.973
Total Biaya	$0.600	$1.207
Harga input	$0.571 / 1M	$0.200 / 1M
Harga output	$2.850 / 1M	$1.150 / 1M
Total token input	118,448	98,691
Token output	62,124	1,032,395
Token penalaran	165,243	0
Waktu respons (rata-rata)	99.00s	64.68s
Waktu respons (maks)	281.00s	364.99s
Waktu respons (total)	1485.04s	1423.01s

Hamster playing table tennis

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

#81 MoonshotAI: Kimi K2.5

medium

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

#90 Step 3.7 Flash

high

Biaya: $0.007
Waktu: 63.6s
Token: 6,030 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
Kimi K2.5	7.3	5.8	83.3%	2		51.38s	634	2,789	8,880
Step 3.7 Flash	10.0	10.0	100.0%	0		13.40s	696	42,656	0

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Kimi K2.5	6.1	4.6	66.7%	2		217.49s	6,935	5,705	74,693
Step 3.7 Flash	4.0	6.0	22.2%	1		206.21s	6,057	327,340	0

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Kimi K2.5	6.7	9.1	50.0%	0		89.19s	95,416	14,448	11,209
Step 3.7 Flash	8.7	6.9	83.3%	1		41.23s	73,938	49,842	0

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
Kimi K2.5	10.0	10.0	100.0%	0		49.78s	7,020	563	7,940
Step 3.7 Flash	10.0	10.0	100.0%	0		14.72s	7,368	23,113	0

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Kimi K2.5	3.5	4.4	33.3%	2		137.29s	485	20,753	30,564
Step 3.7 Flash	4.1	4.4	44.5%	2		149.64s	783	410,502	0

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Kimi K2.5	6.5	3.4	66.7%	1		69.73s	480	3,815	4,262
Step 3.7 Flash	5.5	10.0	0.0%	0		4.17s	510	2,862	0

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Kimi K2.5	10.0	10.0	100.0%	0		92.47s	675	5,371	6,547
Step 3.7 Flash	9.8	10.0	100.0%	0		1.52s	705	2,010	0

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Kimi K2.5	5.3	7.3	44.4%	1		43.23s	659	8,426	12,692
Step 3.7 Flash	5.3	7.2	44.4%	1		10.22s	711	25,422	0

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Kimi K2.5	10.0	10.0	100.0%	0		31.74s	5,933	242	812
Step 3.7 Flash	10.0	10.0	100.0%	0		2.79s	7,701	1,172	0

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Kimi K2.5	3.0	10.0	0.0%	0		83.95s	211	12	7,644
Step 3.7 Flash	3.0	10.0	0.0%	0		149.34s	222	147,476	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.5nonevsStep 3.7 Flashhigh Gemini 3.5 FlashnonevsKimi K2.5medium Qwen3.6 FlashmediumvsStep 3.7 Flashhigh Step 3.7 FlashhighvsMiMo-V2.5-Promedium Gemini 3.5 FlashminimalvsStep 3.7 Flashhigh GPT-5.6 SolnonevsStep 3.7 Flashhigh DeepSeek V4 PrononevsStep 3.7 Flashhigh KAT-Coder-Pro V2.5mediumvsStep 3.7 Flashhigh DeepSeek V4 PrononevsKimi K2.5medium Kimi K2.5mediumvsGPT-5.6 Solnone Seed-2.0-MinimediumvsStep 3.7 Flashhigh Gemini 3 Flash PreviewnonevsStep 3.7 Flashhigh