नेव्हिगेशन
AI BENCHY
Advertise here

AI BENCHY Compare

MoonshotAI: Kimi K2.5 vs xAI: Grok Build 0.1

सारांश

Kimi K2.5 vs Grok Build 0.1 benchmark तुलना: average score जवळपास समान आहे: 7.5 vs 7.6. Kimi K2.5 चा benchmark खर्च कमी आहे: $0.348 vs $0.927. Grok Build 0.1 वेगवान आहे: 49.90s vs 98.43s, pass rates 68.3% vs 61.9%.

शिफारस केलेले मॉडेल: Kimi K2.5 - It has the best score here (7.5), while costing about 2.7x less than Grok Build 0.1.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-02

मेट्रिक Kimi K2.5 Kimi K2.5 medium प्रकाशन: 2026-01-27 Grok Build 0.1 Grok Build 0.1 medium प्रकाशन: 2026-05-21
स्कोअर 7.5 7.6
क्रमांक #45 #44
विश्वसनीयता 10.0 10.0
सुसंगतता 6.9 9.9
बरोबर चाचण्या
प्रति प्रयत्न पास दर 68.3% 61.9%
अस्थिर चाचण्या 8 0
एकूण रन 63 63
प्रति निकाल खर्च 3.704 7.124
एकूण खर्च $0.348 $0.927
इनपुट किंमत $0.375 / 1M $1.000 / 1M
आउटपुट किंमत $2.025 / 1M $2.000 / 1M
एकूण इनपुट टोकन्स 34,312 44,418
आउटपुट टोकन्स 48,379 2,782
रिझनिंग टोकन्स 157,747 438,018
प्रतिसाद वेळ (सरासरी) 98.43s 49.90s
प्रतिसाद वेळ (कमाल) 281.00s 252.69s
प्रतिसाद वेळ (एकूण) 1378.03s 1047.92s

जनरेशन शोकेस

Hamster playing table tennis

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

#45 MoonshotAI: Kimi K2.5

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

#44 xAI: Grok Build 0.1

medium
खर्च
$0.028
वेळ
81.3s
टोकन्स
14,009 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

अँटी-एआय युक्त्या स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Kimi K2.5 7.3 5.8 83.3% 2 51.38s 634 2,789 8,880
Grok Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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
Grok Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
संयुक्त स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Kimi K2.5 10.0 10.0 100.0% 0 71.37s 11,280 703 3,713
Grok Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
डेटा पार्सिंग आणि निष्कर्षण स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Kimi K2.5 10.0 10.0 100.0% 0 49.78s 7,020 563 7,940
Grok Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
डोमेन-विशिष्ट स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Kimi K2.5 3.5 4.4 33.3% 2 137.29s 485 20,753 30,564
Grok Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
Samanya Buddhimatta स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Kimi K2.5 6.5 3.4 66.7% 1 69.73s 480 3,815 4,262
Grok Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
सूचनांचे पालन स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Kimi K2.5 10.0 10.0 100.0% 0 92.47s 675 5,371 6,547
Grok Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
कोडी सोडवणे स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Kimi K2.5 5.3 7.3 44.4% 1 43.23s 659 8,426 12,692
Grok Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
टूल कॉलिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Kimi K2.5 10.0 10.0 100.0% 0 31.74s 5,933 242 812
Grok Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
सामान्य ज्ञान स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Kimi K2.5 3.0 10.0 0.0% 0 83.95s 211 12 7,644
Grok Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

झटपट तुलना

तुलना जोडी बदला