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

MoonshotAI: Kimi K2.5 vs xAI: Grok Build 0.1

Rezumat

Comparație benchmark Kimi K2.5 vs Grok Build 0.1: Scorul mediu este practic egal la 7.5 vs 7.6. Kimi K2.5 are costul de benchmark mai mic, $0.348 vs $0.927. Grok Build 0.1 este mai rapid cu 49.90s vs 98.43s, cu rate de reușită de 68.3% vs 61.9%.

Model recomandat: Kimi K2.5 - Are cel mai bun scor aici (7.5) și costă de aproximativ 2.7x mai puțin decât Grok Build 0.1.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-02

Metrică Kimi K2.5 Kimi K2.5 medium Lansare: 2026-01-27 Grok Build 0.1 Grok Build 0.1 medium Lansare: 2026-05-21
Scor 7.5 7.6
Rang #45 #44
Fiabilitate 10.0 10.0
Consistență 6.9 9.9
Teste corecte
Rată de trecere pe încercare 68.3% 61.9%
Teste instabile 8 0
Rulări totale 63 63
Cost per rezultat 3.704 7.124
Cost total $0.348 $0.927
Preț de intrare $0.375 / 1M $1.000 / 1M
Preț de ieșire $2.025 / 1M $2.000 / 1M
Total tokenuri de intrare 34,312 44,418
Tokenuri de ieșire 48,379 2,782
Tokenuri de raționament 157,747 438,018
Timp de răspuns (mediu) 98.43s 49.90s
Timp de răspuns (maxim) 281.00s 252.69s
Timp de răspuns (total) 1378.03s 1047.92s

Prezentare generare

Hamster playing table tennis

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

#45 MoonshotAI: Kimi K2.5

medium
Cost
$0.030
Timp
58.6s
Tokenuri
8,683 tok

#44 xAI: Grok Build 0.1

medium
Cost
$0.028
Timp
81.3s
Tokenuri
14,009 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
Kimi K2.5 7.3 5.8 83.3% 2 51.38s 634 2,789 8,880
Grok Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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
Kimi K2.5 6.1 4.6 66.7% 2 217.49s 6,935 5,705 74,693
Grok Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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
Kimi K2.5 10.0 10.0 100.0% 0 71.37s 11,280 703 3,713
Grok Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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
Kimi K2.5 10.0 10.0 100.0% 0 49.78s 7,020 563 7,940
Grok Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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
Kimi K2.5 3.5 4.4 33.3% 2 137.29s 485 20,753 30,564
Grok Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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
Kimi K2.5 6.5 3.4 66.7% 1 69.73s 480 3,815 4,262
Grok Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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
Kimi K2.5 10.0 10.0 100.0% 0 92.47s 675 5,371 6,547
Grok Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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
Kimi K2.5 5.3 7.3 44.4% 1 43.23s 659 8,426 12,692
Grok Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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
Kimi K2.5 10.0 10.0 100.0% 0 31.74s 5,933 242 812
Grok Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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
Kimi K2.5 3.0 10.0 0.0% 0 83.95s 211 12 7,644
Grok Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

Comparație rapidă

Schimbă perechea de comparație

DeepSeek V4 ProhighvsGrok Build 0.1mediumKimi K2.5mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsKimi K2.5mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Opus 4.8lowvsGrok Build 0.1mediumKimi K2.5mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsKimi K2.5mediumClaude Opus 4.8lowvsKimi K2.5mediumGemini 3 Flash PreviewlowvsGrok Build 0.1mediumClaude Sonnet 4.6nonevsKimi K2.5mediumClaude Sonnet 4.6nonevsGrok Build 0.1medium