Navigare
AI BENCHY
Compară Grafice
❤️ Made by XCS
Your ad here

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs MoonshotAI: Kimi K2.5

Nume model:

Benchmark-urile au fost generate din suitele de teste AI BENCHY la : 2026-02-27 15:16

Rezumat

Metrică Anthropic: Claude Opus 4.6 medium Lansare: Data lansării necunoscută MoonshotAI: Kimi K2.5 medium Lansare: Data lansării necunoscută
Rang #20 #17
Scor 6.07 6.29
Consistență 8.80 7.69
Cost per rezultat 10.992 2.335
Cost total $0.880 $0.187
Teste corecte
Teste greșite 6 6
Rată de trecere pe încercare 61.9% 73.8%
Teste instabile 2 4
Tokenuri de ieșire 19,576 30,504
Tokenuri de raționament 11,081 58,467

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Opus 4.6 4.00 4.41 55.6% 2 897 1,000
MoonshotAI: Kimi K2.5 7.00 7.21 88.9% 1 335 6,255
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Opus 4.6 10.00 10.00 100.0% 0 668 763
MoonshotAI: Kimi K2.5 10.00 10.00 100.0% 0 1,181 6,049
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Opus 4.6 1.00 10.00 0.0% 0 16,328 7,928
MoonshotAI: Kimi K2.5 1.00 4.41 33.3% 2 20,696 30,894
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Opus 4.6 9.50 9.99 100.0% 0 266 468
MoonshotAI: Kimi K2.5 9.50 10.00 100.0% 0 3,777 4,967
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Opus 4.6 7.00 10.00 66.7% 0 556 593
MoonshotAI: Kimi K2.5 5.00 7.61 55.6% 1 4,273 9,490
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Opus 4.6 10.00 10.00 100.0% 0 861 329
MoonshotAI: Kimi K2.5 10.00 10.00 100.0% 0 242 812

Schimbă perechea de comparație

Compară Anthropic: Claude Opus 4.6 cu...

Compară MoonshotAI: Kimi K2.5 cu...