AI BENCHY
Advertise here
#135

Kimi K2.5

Moonshot AI प्रकाशन: 2026-01-27 चाचणी तारीख: 2026-06-04 13:32 moonshotai/kimi-k2.5::none
(medium) (none)

सारांश

Kimi K2.5 AI BENCHY वर 5.5 स्कोर करते आणि #135 वर आहे. याची reliability 10.0, pass rate 34.9%, एकूण खर्च $0.027, आणि सरासरी response time 13.18s आहे.

Kimi K2.5 खास का आहे: हे Samanya Buddhimatta मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर डेटा पार्सिंग आणि निष्कर्षण हा सर्वात कमकुवत भाग आहे, rank #12.

स्कोअर

5.5

सुसंगतता

8.9

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$0.027 ↑ +1.8%

या किमतीवर चाचणी केली: $0.027

एकूण आउटपुट टोकन्स

6,657

एकूण इनपुट टोकन्स

36,034

इनपुट किंमत

$0.375 / 1M

आउटपुट किंमत

$2.025 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 15

प्रति प्रयत्न पास दर: 34.9%

अस्थिर चाचण्या

3

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

प्रतिसाद वेळ (सरासरी)

13.18s

प्रतिसाद वेळ (कमाल): 42.13s

प्रतिसाद वेळ (एकूण): 184.47s

चुकीचे उत्तर: 15

जनरेशन शोकेस

Hamster playing table tennis

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

#135 MoonshotAI: Kimi K2.5

none
खर्च
$0.015
वेळ
89.1s
टोकन्स
5,421 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-06-04 13:32 नवीन चाचणी जोडली 5.2 10.0 $0.028 ↑ सध्याची रन
2026-05-22 00:03 सूट बदलला 5.3 10.0 $0.026 तुलना करा
2026-04-20 17:48 पहिली नोंदलेली रन 5.5 लागू नाही $0.017 तुलना करा

या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.

रन तुलना

रनस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-06-04 13:32 · सध्याची रन5.58.910.06/2136,65736,034$0.02713.18s
2026-04-20 17:48 · पहिली नोंदलेली रन5.58.7लागू नाही6/1832,6590$0.01713.37s
फरक0.0+0.200+3998+36034+$0.011-191ms

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख इनपुट किंमत आउटपुट किंमत
2026-06-04 15:40 $0.400 / 1M $1.900 / 1M
2026-06-17 10:07 $0.375 / 1M $2.025 / 1M

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 K2.5nonevsNemotron 3 Ultra 550b A55bnoneमोफत उपलब्धKimi K2.5nonevsGPT-5.6 TerranoneKimi K2.5nonevsGemma 4 31Bnoneमोफत उपलब्धKimi K2.5nonevsGLM 5noneKimi K2.5nonevsQwen3.5-FlashnoneKimi K2.5nonevsQwen3.6 FlashnoneKimi K2.5nonevsGemini 3.5 FlashhighKimi K2.5nonevsGemini 3 Flash PreviewmediumKimi K2.5nonevsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धKimi K2.5nonevsGPT-5.5low

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 3.6 8.4
कोडिंग 5.5 10.0
संयुक्त 2.8 2.1
डेटा पार्सिंग आणि निष्कर्षण 7.3 5.8
डोमेन-विशिष्ट 5.3 10.0
Samanya Buddhimatta 10.0 10.0
सूचनांचे पालन 6.5 10.0
कोडी सोडवणे 3.0 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स