#126
Moonshot AI
प्रकाशन: 2026-01-27
चाचणी तारीख: 2026-05-22 00:03
moonshotai/kimi-k2.5::none
(medium)
(none)
???? ???
$0.400 / 1M
????? ???
$1.900 / 1M
अस्थिर चाचण्या
3
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-05-22 00:03 सूट बदलला | 5.3 | 10.0 | $0.026 | सध्याची रन | |
| 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
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:03 · सध्याची रन | 5.3 | 8.9 | 10.0 | 6/20 | 3 | 6,734 | $0.026 | 14.16s |
| 2026-04-20 17:48 · पहिली नोंदलेली रन | 5.5 | 8.7 | लागू नाही | 6/18 | 3 | 2,659 | $0.017 | 13.37s |
| फरक | -0.3 | +0.2 | 0 | 0 | +4075 | +$0.010 | +793ms |
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
Kimi K2.5nonevsMiMo-V2-PrononeKimi K2.5nonevsGLM 4.7 FlashnoneKimi K2.5nonevsOwl AlphanoneKimi K2.5nonevsKimi K2.6noneKimi K2.5nonevsCobuddymediumमोफत उपलब्धKimi K2.5nonevsgpt-oss-120bmediumमोफत उपलब्धKimi K2.5nonevsGemini 3 Flash PreviewmediumKimi K2.5nonevsGemini 3.5 FlashhighKimi K2.5nonevsRing-2.6-1TmediumKimi K2.5nonevsGemini 3.5 Flashlow
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 3.6 | 8.4 | |
| कोडिंग | 6.8 | 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 |