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

MoonshotAI: Kimi K2.5 vs StepFun: Step 3.7 Flash

Kimi K2.5 (medium) average score मध्ये पुढे आहे: 7.0 vs 6.9. Kimi K2.5 (medium) चा benchmark खर्च कमी आहे: $0.600 vs $1.207. Step 3.7 Flash (high) वेगवान आहे: 64.68s vs 99.00s, pass rates 65.2% vs 63.6%.

शिफारस केलेले मॉडेलKimi K2.5 (medium)It has the best score here (7.0), while costing about 2.0x less than Step 3.7 Flash (high).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-24

मेट्रिक Kimi K2.5 Kimi K2.5 medium प्रकाशन: 2026-01-27 Step 3.7 Flash Step 3.7 Flash high प्रकाशन: 2026-05-29
स्कोअर 7.0 6.9
क्रमांक #81 #90
विश्वसनीयता 10.0 10.0
सुसंगतता 7.0 8.0
बरोबर चाचण्या
प्रति प्रयत्न पास दर 65.2% 63.6%
अस्थिर चाचण्या 8 5
एकूण रन 66 66
प्रति निकाल खर्च 4.789 10.973
एकूण खर्च $0.600 $1.207
इनपुट किंमत $0.571 / 1M $0.200 / 1M
आउटपुट किंमत $2.850 / 1M $1.150 / 1M
एकूण इनपुट टोकन्स 118,448 98,691
आउटपुट टोकन्स 62,124 1,032,395
रिझनिंग टोकन्स 165,243 0
प्रतिसाद वेळ (सरासरी) 99.00s 64.68s
प्रतिसाद वेळ (कमाल) 281.00s 364.99s
प्रतिसाद वेळ (एकूण) 1485.04s 1423.01s

Hamster playing table tennis

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

#81 MoonshotAI: Kimi K2.5

medium
खर्च
$0.030
वेळ
58.6s
टोकन्स
8,683 tok

#90 Step 3.7 Flash

high
खर्च
$0.007
वेळ
63.6s
टोकन्स
6,030 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
Kimi K2.5 6.1 4.6 66.7% 2 217.49s 6,935 5,705 74,693
Step 3.7 Flash 4.0 6.0 22.2% 1 206.21s 6,057 327,340 0

झटपट तुलना

तुलना जोडी बदला