#274 MoonshotAI: Kimi K3.1 Pro
high- खर्च
- $0.074
- वेळ
- 141.9s
- टोकन्स
- 7,498 tok
Moonshot AI
प्रकाशन: 2026-10-24
चाचणी तारीख: 2026-10-24 15:44
moonshotai/kimi-k3.1-pro::high
~2.8T एकूण (~104B सक्रिय)MoEबंद स्रोतअंदाजित
सारांश
Kimi K3.1 Pro AI BENCHY वर 6.2 स्कोर करते आणि #274 वर आहे. याची reliability 8.5, pass rate 60.9%, एकूण खर्च $1.255, आणि सरासरी response time 39.12s आहे.
Kimi K3.1 Pro खास का आहे: हे Samanya Buddhimatta मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर डोमेन-विशिष्ट हा सर्वात कमकुवत भाग आहे, rank #15.
मॉडेलची माहिती
संशोधन दिनांक: 2026-10-24
- पॅरामीटर्स
- ~2.8T एकूण (~104B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- परवाना
- -
सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.
6.2
सुसंगतता
5.3
8.5
$1.255
एकूण आउटपुट टोकन्स
92,327
एकूण इनपुट टोकन्स
165,632
इनपुट किंमत
$2.000 / 1M
आउटपुट किंमत
$10.000 / 1M
कॅश वाचण्याची किंमत
$0.200 / 1M
कॅश लिहिण्याची किंमत
लागू नाही
कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.
अस्थिर चाचण्या
13
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-10-24 20:16 पुन्हा चाचणी | 8.2 | 8.5 | $1.646 | तुलना करा | |
| 2026-10-24 15:44 पहिला रन | 6.2 | 8.5 | $1.255 | सध्याची रन |
रन तुलना
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-24 15:44 · पहिला रन | 69/69 प्रयत्न | 6.2 | 5.3 | 8.5 | 7/23 | 13 | 92,327 | 165,632 | $1.255 | 39.12s |
| 2026-10-24 20:16 · पुन्हा चाचणी | 69/69 प्रयत्न | 8.2 | 8.4 | 8.5 | 16/23 | 5 | 114,612 | 249,927 | $1.646 | 54.31s |
| फरक | — | -2.0 | -3.1 | 0.0 | -9 | +8 | -22285 | -84295 | -$0.392 | -15190ms |
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
Kimi K3.1 ProhighvsSeed-2.0-LitemediumKimi K3.1 ProhighvsSeed-2.0-CodelowKimi K3.1 ProhighvsGPT-5.6 TerramediumKimi K3.1 ProhighvsDeepSeek V4 Pro 0423highKimi K3.1 ProhighvsGLM 5.2mediumKimi K3.1 ProhighvsClaude Opus 4.7mediumKimi K3.1 ProhighvsGrok 4.5highKimi K3.1 ProhighvsDeepSeek V4 Flash 0423highKimi K3.1 ProhighvsDeepSeek V4.1 Flash 1017maxKimi K3.1 ProhighvsDeepSeek V4.1 Flashlow
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| स्वायत्त एजंट कार्ये | 6.1 | 3.1 | |
| अँटी-एआय युक्त्या | 7.3 | 5.8 | |
| कोडिंग | 8.2 | 7.2 | |
| संयुक्त | 3.3 | 1.7 | |
| डेटा पार्सिंग आणि निष्कर्षण | 7.3 | 5.9 | |
| डोमेन-विशिष्ट | 2.9 | 4.4 | |
| Samanya Buddhimatta | 10.0 | 10.0 | |
| सूचनांचे पालन | 6.5 | 10.0 | |
| कोडी सोडवणे | 4.0 | 1.6 | |
| टूल कॉलिंग | 4.7 | 1.6 | |
| सामान्य ज्ञान | 3.0 | 10.0 |