Navigasi
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

MoonshotAI: Kimi K2.6 vs StepFun: Step 3.7 Flash

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-06-04

Metrik Kimi K2.6 Kimi K2.6 medium Rilis: 2026-04-20 Tersedia gratis Step 3.7 Flash Step 3.7 Flash high Rilis: 2026-05-29
Skor 7.2 7.0
Peringkat #60 #71
Keandalan 10.0 10.0
Konsistensi 8.6 8.2
Tes benar
Tingkat lulus per percobaan 65.1% 63.5%
Tes tidak stabil 3 4
Total Run 63 63
Biaya per hasil 8.358 10.434
Total Biaya $0.891 $1.148
Harga input $0.684 / 1M $0.200 / 1M
Harga output $3.420 / 1M $1.150 / 1M
Total token input 29,450 38,391
Token output 102,923 991,355
Token penalaran 254,094 0
Waktu respons (rata-rata) 71.67s 64.46s
Waktu respons (maks) 406.78s 364.99s
Waktu respons (total) 1433.36s 1353.57s

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
Kimi K2.6 7.0 8.0 66.7% 1 11.59s 618 7,115 8,934
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 K2.6 5.7 8.6 33.3% 0 214.42s 2,925 9,970 77,189
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 K2.6 10.0 10.0 100.0% 0 40.96s 11,271 711 13,876
Step 3.7 Flash 10.0 10.0 100.0% 0 13.01s 13,638 8,802 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 K2.6 10.0 10.0 100.0% 0 20.38s 7,014 316 11,305
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 K2.6 5.3 7.2 44.4% 1 202.38s 326 47,035 98,262
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 K2.6 10.0 10.0 100.0% 0 17.83s 477 3,981 4,472
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 K2.6 10.0 10.0 100.0% 0 12.53s 669 3,977 5,269
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 K2.6 6.0 7.4 55.6% 1 25.06s 651 13,860 17,599
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 K2.6 10.0 10.0 100.0% 0 8.92s 5,286 248 1,011
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 K2.6 3.0 10.0 0.0% 0 130.27s 213 15,710 16,177
Step 3.7 Flash 3.0 10.0 0.0% 0 149.34s 222 147,476 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.4 NanomediumvsStep 3.7 FlashhighGemini 3.1 Flash LitelowvsKimi K2.6mediumTersedia gratisGemini 3.1 Flash Lite PreviewnonevsKimi K2.6mediumTersedia gratisClaude Opus 4.6mediumvsStep 3.7 FlashhighClaude Opus 4.8nonevsStep 3.7 FlashhighMiniMax M3mediumvsStep 3.7 FlashhighKimi K2.6mediumTersedia gratisvsStep 3.7 FlashlowKimi K2.6mediumTersedia gratisvsGPT-5.3 ChatnoneDeepSeek V3.2mediumvsStep 3.7 FlashhighQwen3.5-35B-A3BmediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsGrok 4.20mediumSeed-2.0-MinimediumvsStep 3.7 Flashhigh