#51 MoonshotAI: Kimi K2.5
medium- Biaya
- $0.030
- Waktu
- 58.6s
- Token
- 8,683 tok
Moonshot AI
Rilis: 2026-01-27
Diuji pada: 2026-04-20 17:48
moonshotai/kimi-k2.5::medium
1T total (32B aktif)MoEBobot tersedia
(medium)
(none)
Ringkasan
Kimi K2.5 mendapat skor 7.0 di AI BENCHY dan berada di peringkat #51. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 72.2%, total biaya $0.220, dan waktu respons rata-rata 72.43s.
Yang membuat Kimi K2.5 unik: Model ini paling menonjol di Gabungan, dengan peringkat #1, sementara Pemrograman adalah area terlemahnya di #18.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- 1T total (32B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Bobot tersedia
- Lisensi
- Modified MIT
7.0
Konsistensi
6.8
T/A
$0.220
Total token output
127,046
Total token input
0
Harga input
$0.440 / 1M
Harga output
$2.000 / 1M
Tes tidak stabil
7
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 02:00 Uji ulang | 7.0 | 10.0 | $0.607 ↑ | Bandingkan | |
| 2026-07-16 22:17 Tes baru ditambahkan | 7.0 | 10.0 | $0.600 ↑ | Bandingkan | |
| 2026-06-04 13:43 Tes baru ditambahkan | 6.8 | 10.0 | $0.328 ↓ | Bandingkan | |
| 2026-05-22 00:12 Suite berubah | 6.7 | 10.0 | $0.314 | Bandingkan | |
| 2026-04-20 17:48 Run pertama yang tercatat | 7.0 | T/A | $0.220 | Run saat ini |
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-20 17:48 · Run pertama yang tercatat | 54/54 percobaan | 7.0 | 6.8 | T/A | 9/18 | 7 | 127,046 | 0 | $0.220 | 72.43s |
| 2026-05-22 00:12 · Suite berubah | 60/60 percobaan | 6.7 | 6.8 | 10.0 | 9/20 | 8 | 174,803 | 0 | $0.314 | 89.36s |
| Selisih | — | +0.3 | 0.0 | 0 | -1 | -47757 | 0 | -$0.094 | -16930ms |
Cakupan benchmark berbeda: 54/54 percobaan (Target: 3 pengulangan per tes) dibanding 60/60 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
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
Perbandingan Cepat
Kimi K2.5mediumvsSeed-2.0-MinimediumKimi K2.5mediumvsKAT-Coder-Pro V2.5mediumKimi K2.5mediumvsGrok 4.20mediumKimi K2.5mediumvsQwen3.7 FlashmediumKimi K2.5mediumvsMercury 2mediumKimi K2.5mediumvsSeed-2.0-CodehighKimi K2.5mediumvsGPT-5.5noneKimi K2.5mediumvsGemini 3.5 FlashnoneKimi K2.5mediumvsGLM 5.1mediumKimi K2.5mediumvsQwen3.6 Flashmedium
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 7.3 | 5.8 | |
| Pemrograman | 4.7 | 1.6 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 3.5 | 4.4 | |
| Kecerdasan umum | 6.5 | 3.4 | |
| Kepatuhan instruksi | 10.0 | 10.0 | |
| Pemecahan teka-teki | 5.3 | 7.3 | |
| Pemanggilan alat | 10.0 | 10.0 |