Navigare
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs MoonshotAI: Kimi K2.5

Rezumat

Comparație benchmark Claude Opus 4.8 vs Kimi K2.5: Claude Opus 4.8 conduce la scorul mediu cu 7.0 vs 6.8. Kimi K2.5 are costul de benchmark mai mic, $0.328 vs $0.539. Claude Opus 4.8 este mai rapid cu 3.47s vs 98.43s, cu rate de reușită de 61.9% vs 68.3%.

Model recomandat: Claude Opus 4.8 - Are cel mai bun scor aici (7.0) și răspunde de aproximativ 28.4x mai rapid decât Kimi K2.5.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-04

Metrică Claude Opus 4.8 Claude Opus 4.8 none Lansare: 2026-05-28 Kimi K2.5 Kimi K2.5 medium Lansare: 2026-01-27
Scor 7.0 6.8
Rang #68 #76
Fiabilitate 10.0 10.0
Consistență 9.2 6.9
Teste corecte
Rată de trecere pe încercare 61.9% 68.3%
Teste instabile 2 8
Rulări totale 63 63
Cost per rezultat 4.485 3.704
Cost total $0.539 $0.328
Preț de intrare $5.000 / 1M $0.400 / 1M
Preț de ieșire $25.000 / 1M $1.900 / 1M
Total tokenuri de intrare 67,104 34,312
Tokenuri de ieșire 8,107 48,379
Tokenuri de raționament 0 157,747
Timp de răspuns (mediu) 3.47s 98.43s
Timp de răspuns (maxim) 17.73s 281.00s
Timp de răspuns (total) 72.90s 1378.03s

Generation showcase

Hamster playing table tennis

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

#68 Claude Opus 4.8

none
Cost
$0.053
Time
22.0s
Tokens
2,253 tok

#76 MoonshotAI: Kimi K2.5

medium
Cost
$0.030
Time
58.6s
Tokens
8,683 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 6.5 10.0 50.0% 0 3.40s 834 1,472 0
Kimi K2.5 7.3 5.8 83.3% 2 51.38s 634 2,789 8,880
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
Kimi K2.5 6.1 4.6 66.7% 2 217.49s 6,935 5,705 74,693
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 29,658 3,259 0
Kimi K2.5 10.0 10.0 100.0% 0 71.37s 11,280 703 3,713
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.3 5.8 83.3% 1 1.77s 10,503 308 0
Kimi K2.5 10.0 10.0 100.0% 0 49.78s 7,020 563 7,940
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 5.3 7.2 44.4% 1 1.66s 975 61 0
Kimi K2.5 3.5 4.4 33.3% 2 137.29s 485 20,753 30,564
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 708 230 0
Kimi K2.5 6.5 3.4 66.7% 1 69.73s 480 3,815 4,262
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 909 95 0
Kimi K2.5 10.0 10.0 100.0% 0 92.47s 675 5,371 6,547
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 894 783 0
Kimi K2.5 5.3 7.3 44.4% 1 43.23s 659 8,426 12,692
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 11,775 355 0
Kimi K2.5 10.0 10.0 100.0% 0 31.74s 5,933 242 812
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de intrare Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 258 212 0
Kimi K2.5 3.0 10.0 0.0% 0 83.95s 211 12 7,644

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.8nonevsMiniMax M3mediumClaude Opus 4.8nonevsGPT-5.4 NanomediumClaude Opus 4.8nonevsStep 3.7 FlashhighClaude Sonnet 4.6nonevsKimi K2.5mediumKimi K2.5mediumvsQwen3.6 Max PreviewnoneClaude Opus 4.8nonevsDeepSeek V3.2mediumClaude Opus 4.8nonevsQwen3.5-35B-A3BmediumClaude Opus 4.8nonevsGrok 4.20mediumClaude Opus 4.8nonevsMiMo-V2-FlashmediumClaude Opus 4.8nonevsSeed-2.0-MinimediumClaude Opus 4.8nonevsStep 3.5 FlashmediumClaude Opus 4.8nonevsGemini 3.1 Flash Litelow