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

Anthropic: Claude Opus 4.8 vs MoonshotAI: Kimi K2.6

average score जवळपास समान आहे: 7.3 vs 7.2. Claude Opus 4.8 चा benchmark खर्च कमी आहे: $1.166 vs $1.222. Claude Opus 4.8 वेगवान आहे: 4.91s vs 109.98s, pass rates 63.6% vs 63.6%.

शिफारस केलेले मॉडेलClaude Opus 4.8It has the best score here (7.3), while responding about 22.4x faster than Kimi K2.6 (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 none प्रकाशन: 2026-05-28 Kimi K2.6 Kimi K2.6 medium प्रकाशन: 2026-04-20
स्कोअर 7.3 7.2
क्रमांक #63 #65
विश्वसनीयता 10.0 9.4
सुसंगतता 9.2 8.3
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.6% 63.6%
अस्थिर चाचण्या 2 4
एकूण रन 66 66
प्रति निकाल खर्च 8.969 9.821
एकूण खर्च $1.166 $1.222
इनपुट किंमत $5.000 / 1M $0.950 / 1M
आउटपुट किंमत $25.000 / 1M $4.000 / 1M
एकूण इनपुट टोकन्स 149,206 68,902
आउटपुट टोकन्स 16,797 111,680
रिझनिंग टोकन्स 0 279,860
प्रतिसाद वेळ (सरासरी) 4.91s 109.98s
प्रतिसाद वेळ (कमाल) 35.03s 876.20s
प्रतिसाद वेळ (एकूण) 108.03s 2309.56s

Hamster playing table tennis

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

#63 Claude Opus 4.8

none
खर्च
$0.053
वेळ
22.0s
टोकन्स
2,253 tok

#65 MoonshotAI: Kimi K2.6

medium
खर्च
$0.013
वेळ
103.4s
टोकन्स
3,620 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
Kimi K2.6 5.7 8.6 33.3% 0 214.42s 2,925 9,970 77,189

झटपट तुलना

तुलना जोडी बदला