AI BENCHY
Advertise here
#51

Kimi K2.5

Moonshot AI प्रकाशन: 2026-01-27 चाचणी तारीख: 2026-04-20 17:48 moonshotai/kimi-k2.5::medium
(medium) (none)

सारांश

Kimi K2.5 AI BENCHY वर 7.0 स्कोर करते आणि #51 वर आहे. याची reliability लागू नाही, pass rate 72.2%, एकूण खर्च $0.220, आणि सरासरी response time 72.43s आहे.

Kimi K2.5 खास का आहे: हे Samanya Buddhimatta मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #4 आहे; तर कोडिंग हा सर्वात कमकुवत भाग आहे, rank #15.

स्कोअर

7.0

सुसंगतता

6.8

विश्वसनीयता

लागू नाही

एकूण खर्च (सध्याची किंमत)

$0.220

एकूण आउटपुट टोकन्स

127,046

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$0.440 / 1M

आउटपुट किंमत

$2.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 9

प्रति प्रयत्न पास दर: 72.2%

अस्थिर चाचण्या

7

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

72.43s

प्रतिसाद वेळ (कमाल): 150.77s

प्रतिसाद वेळ (एकूण): 796.70s

चुकीचे उत्तर: 4 सूचनांचे पालन केले नाही: 2 वेळ संपला: 2 उत्तर नाही: 1

जनरेशन शोकेस

Hamster playing table tennis

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

#51 MoonshotAI: Kimi K2.5

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

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-06-04 13:43 नवीन चाचणी जोडली 6.8 10.0 $0.328 ↓ तुलना करा
2026-05-22 00:12 सूट बदलला 6.7 10.0 $0.314 तुलना करा
2026-04-20 17:48 पहिली नोंदलेली रन 7.0 लागू नाही $0.220 सध्याची रन

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

Kimi K2.5mediumvsDeepSeek V4 ProhighKimi K2.5mediumvsMiniMax M3mediumKimi K2.5mediumvsMercury 2mediumKimi K2.5mediumvsStep 3.7 FlashlowKimi K2.5mediumvsGPT-5.3 ChatnoneKimi K2.5mediumvsGemini 3.5 FlashhighKimi K2.5mediumvsGemini 3 Flash PreviewmediumKimi K2.5mediumvsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धKimi K2.5mediumvsGPT-5.5low

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 7.3 5.8
कोडिंग 4.7 1.6
संयुक्त 10.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.5 4.4
Samanya Buddhimatta 6.5 3.4
सूचनांचे पालन 10.0 10.0
कोडी सोडवणे 5.3 7.3
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स