MoonshotAI: Kimi K2.6 vs StepFun: Step 3.5 Flash

Step 3.5 Flash (medium) unggul dalam skor rata-rata dengan 6.0 vs 5.8. Step 3.5 Flash (medium) memiliki biaya benchmark lebih rendah di $0.108 vs $0.233. Kimi K2.6 lebih cepat di 19.58s vs 174.22s, dengan tingkat keberhasilan 34.9% vs 51.5%.

Model yang direkomendasikanKimi K2.6Its score stays close to the best score here (5.8 vs 6.0), while responding about 8.9x faster than Step 3.5 Flash (medium).

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

Metrik	Kimi K2.6 Kimi K2.6 none Rilis: 2026-04-20	Step 3.5 Flash Step 3.5 Flash medium Rilis: 2026-02-01

Metrik	Kimi K2.6 Kimi K2.6 none Rilis: 2026-04-20	Step 3.5 Flash Step 3.5 Flash medium Rilis: 2026-02-01
Skor	5.8	6.0
Peringkat	#131	#123
Keandalan	10.0	9.2
Konsistensi	9.3	9.0
Tes benar
Tingkat lulus per percobaan	34.9%	51.5%
Tes tidak stabil	2	1
Total Run	66	63
Biaya per hasil	3.199	0.540
Total Biaya	$0.233	$0.108
Harga input	$0.950 / 1M	$0.100 / 1M
Harga output	$4.000 / 1M	$0.300 / 1M
Total token input	116,970	65,707
Token output	30,253	108,561
Token penalaran	0	293,993
Waktu respons (rata-rata)	19.58s	174.22s
Waktu respons (maks)	238.89s	1597.85s
Waktu respons (total)	430.85s	2613.32s

Hamster playing table tennis

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

#131 MoonshotAI: Kimi K2.6

none

Biaya: $0.020
Waktu: 127.4s
Token: 4,429 tok

#123 Step 3.5 Flash

medium

Biaya: $0.008
Waktu: 277.1s
Token: 23,695 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 K2.6	4.6	10.0	25.0%	0		1.39s	618	471	0
Step 3.5 Flash	10.0	10.0	100.0%	0		40.57s	694	20,391	24,176

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	5.5	9.8	33.3%	0		82.57s	5,986	14,754	0
Step 3.5 Flash	2.4	5.2	0.0%	0		258.38s	2,211	13,207	22,429

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	3.0	10.0	0.0%	0		77.83s	95,323	14,133	0
Step 3.5 Flash	6.5	10.0	50.0%	0		813.71s	44,914	18,150	111,004

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		1.32s	7,014	201	0
Step 3.5 Flash	10.0	10.0	100.0%	0		15.01s	7,368	600	13,886

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		1.48s	732	42	0
Step 3.5 Flash	5.3	7.2	44.4%	1		170.45s	673	45,350	90,436

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	5.4	3.5	33.3%	1		1.55s	477	138	0
Step 3.5 Flash	5.5	10.0	0.0%	0		22.39s	509	240	3,506

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	6.5	10.0	50.0%	0		1.64s	669	72	0
Step 3.5 Flash	8.3	10.0	50.0%	0		4.78s	705	2,364	3,521

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	3.1	9.9	0.0%	0		1.40s	651	185	0
Step 3.5 Flash	5.3	10.0	33.3%	0		7.22s	711	5,630	10,861

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		4.46s	5,286	240	0
Step 3.5 Flash	10.0	10.0	100.0%	0		11.91s	7,701	275	3,802

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		1.36s	214	17	0
Step 3.5 Flash	3.0	10.0	0.0%	0		108.45s	221	2,354	10,372

Perbandingan Cepat

Ganti Pasangan Perbandingan