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 Sonnet 4.6 vs MoonshotAI: Kimi K2.5

Claude Sonnet 4.6 average score मध्ये पुढे आहे: 7.3 vs 7.0. Kimi K2.5 (medium) चा benchmark खर्च कमी आहे: $0.600 vs $0.661. Claude Sonnet 4.6 वेगवान आहे: 8.12s vs 99.00s, pass rates 57.6% vs 65.2%.

शिफारस केलेले मॉडेलClaude Sonnet 4.6It has the best score here (7.3), while responding about 12.2x faster than Kimi K2.5 (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-25

मेट्रिक Claude Sonnet 4.6 Claude Sonnet 4.6 none प्रकाशन: 2026-02-17 Kimi K2.5 Kimi K2.5 medium प्रकाशन: 2026-01-27
स्कोअर 7.3 7.0
क्रमांक #71 #85
विश्वसनीयता 10.0 10.0
सुसंगतता 9.7 7.0
बरोबर चाचण्या
प्रति प्रयत्न पास दर 57.6% 65.2%
अस्थिर चाचण्या 1 8
एकूण रन 66 66
प्रति निकाल खर्च 5.502 4.789
एकूण खर्च $0.661 $0.600
इनपुट किंमत $3.000 / 1M $0.571 / 1M
आउटपुट किंमत $15.000 / 1M $2.850 / 1M
एकूण इनपुट टोकन्स 123,264 118,448
आउटपुट टोकन्स 19,362 62,124
रिझनिंग टोकन्स 0 165,243
प्रतिसाद वेळ (सरासरी) 8.12s 99.00s
प्रतिसाद वेळ (कमाल) 51.18s 281.00s
प्रतिसाद वेळ (एकूण) 121.78s 1485.04s

Hamster playing table tennis

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

#71 Claude Sonnet 4.6

none
खर्च
$0.038
वेळ
27.3s
टोकन्स
2,598 tok

#85 MoonshotAI: Kimi K2.5

medium
खर्च
$0.030
वेळ
58.6s
टोकन्स
8,683 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 Sonnet 4.6 5.5 10.0 33.3% 0 5.19s 8,522 2,127 0
Kimi K2.5 6.1 4.6 66.7% 2 217.49s 6,935 5,705 74,693

झटपट तुलना

तुलना जोडी बदला