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 K2.6

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-28

Metrică Claude Opus 4.8 Claude Opus 4.8 none Lansare: 2026-05-28 Kimi K2.6 Kimi K2.6 medium Lansare: 2026-04-20 Disponibil gratuit
Scor 7.3 7.4
Rang #63 #58
Fiabilitate 10.0 10.0
Consistență 9.2 8.3
Teste corecte
Rată de trecere pe încercare 65.0% 70.8%
Teste instabile 2 4
Rulări totale 60 60
Cost per rezultat 4.324 7.621
Cost total $0.519 $0.820
Preț de intrare $5.000 / 1M $0.730 / 1M
Preț de ieșire $25.000 / 1M $3.490 / 1M
Tokenuri de ieșire 8,098 102,208
Tokenuri de raționament 0 229,120
Timp de răspuns (mediu) 3.51s 54.03s
Timp de răspuns (maxim) 17.73s 215.85s
Timp de răspuns (total) 70.19s 1026.57s

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 ieșire Tokenuri de raționament
Claude Opus 4.8 6.5 10.0 50.0% 0 3.40s 1,472 0
Kimi K2.6 7.0 8.0 66.7% 1 11.59s 7,115 8,934
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 6.8 10.0 50.0% 0 3.59s 1,323 0
Kimi K2.6 6.5 5.3 75.0% 1 118.23s 9,255 52,215
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 3,259 0
Kimi K2.6 10.0 10.0 100.0% 0 40.96s 711 13,876
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.3 5.8 83.3% 1 1.77s 308 0
Kimi K2.6 10.0 10.0 100.0% 0 20.38s 316 11,305
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 5.3 7.2 44.4% 1 1.66s 61 0
Kimi K2.6 5.3 7.2 44.4% 1 202.38s 47,035 98,262
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 230 0
Kimi K2.6 10.0 10.0 100.0% 0 17.83s 3,981 4,472
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 95 0
Kimi K2.6 10.0 10.0 100.0% 0 12.53s 3,977 5,269
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 783 0
Kimi K2.6 6.0 7.4 55.6% 1 25.06s 13,860 17,599
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 355 0
Kimi K2.6 10.0 10.0 100.0% 0 8.92s 248 1,011
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 212 0
Kimi K2.6 3.0 10.0 0.0% 0 130.27s 15,710 16,177

Comparație rapidă

Schimbă perechea de comparație