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 4.20 Beta

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-12

Metrică Kimi K2.5 Kimi K2.5 none Lansare: 2026-01-27 Grok 4.20 Beta Grok 4.20 Beta none Lansare: 2026-03-12
Rang #54 #52
Scor mediu 4.1 4.4
Consistență 8.6 9.1
Cost per rezultat 0.295 2.214
Cost total $0.015 $0.089
Teste corecte
Rată de trecere pe încercare 39.6% 33.3%
Teste instabile 3 2
Rulări totale 48 48
Tokenuri de ieșire 2,000 1,511
Tokenuri de raționament 0 0
Timp de răspuns (mediu) 11.91s 1.22s
Timp de răspuns (maxim) 42.13s 6.48s
Timp de răspuns (total) 107.16s 19.53s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor mediu vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor mediu 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
Kimi K2.5 2.7 7.9 11.1% 1 11.38s 363 0
Grok 4.20 Beta 3.3 7.9 22.2% 1 562ms 245 0
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Kimi K2.5 10.0 2.1 33.3% 1 19.16s 748 0
Grok 4.20 Beta 10.0 10.0 0.0% 0 6.48s 282 0
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
Kimi K2.5 5.4 5.8 83.3% 1 42.13s 187 0
Grok 4.20 Beta 9.9 10.0 100.0% 0 601ms 197 0
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Kimi K2.5 4.0 10.0 33.3% 0 4.38s 29 0
Grok 4.20 Beta 10.0 10.0 0.0% 0 611ms 160 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Kimi K2.5 10.0 10.0 100.0% 0 4.00s 76 0
Grok 4.20 Beta 5.0 10.0 0.0% 0 541ms 87 0
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Kimi K2.5 5.5 10.0 50.0% 0 2.67s 60 0
Grok 4.20 Beta 4.5 10.0 0.0% 0 687ms 60 0
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Kimi K2.5 10.0 10.0 0.0% 0 4.73s 317 0
Grok 4.20 Beta 4.0 7.2 55.6% 1 541ms 291 0
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Kimi K2.5 10.0 10.0 100.0% 0 13.99s 220 0
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.79s 189 0

Comparație rapidă

Schimbă perechea de comparație