AI BENCHY
Advertise here
#67

Kimi K2.7 Code

Moonshot AI प्रकाशन: 2026-06-12 चाचणी तारीख: 2026-06-12 18:35 moonshotai/kimi-k2.7-code::medium

सारांश

Kimi K2.7 Code AI BENCHY वर 7.0 स्कोर करते आणि #67 वर आहे. याची reliability 9.2, pass rate 66.7%, एकूण खर्च $0.669, आणि सरासरी response time 83.60s आहे.

सुसंगतता

7.7

एकूण आउटपुट टोकन्स

241,907

एकूण इनपुट टोकन्स

25,991

इनपुट किंमत

$0.950 / 1M

आउटपुट किंमत

$4.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 10

प्रति प्रयत्न पास दर: 66.7%

अस्थिर चाचण्या

6

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

प्रतिसाद वेळ (सरासरी)

83.60s

प्रतिसाद वेळ (कमाल): 365.80s

प्रतिसाद वेळ (एकूण): 1671.99s

Hamster playing table tennis

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

#67 MoonshotAI: Kimi K2.7 Code

medium
खर्च
$0.025
वेळ
138.0s
टोकन्स
6,093 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-07-16 22:20 नवीन चाचणी जोडली 7.5 10.0 $0.690 तुलना करा
2026-06-12 18:35 पहिला रन 7.0 9.2 $0.669 सध्याची रन

रन तुलना

रनस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-06-12 18:35 · पहिला रन7.07.79.211/216241,90725,991$0.66983.60s
2026-07-16 22:20 · नवीन चाचणी जोडली7.58.310.012/224262,50772,073$0.69084.25s
फरक-0.5-0.6-0.8-1+2-20600-46082-$0.022-649ms

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
2026-06-12 18:36 $0.950 / 1M $4.000 / 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

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 7.3 5.8
कोडिंग 7.6 7.2
संयुक्त 4.7 1.6
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 10.0 10.0
सूचनांचे पालन 9.9 10.0
कोडी सोडवणे 5.9 7.7
टूल कॉलिंग 3.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स