AI BENCHY Compare

Modele comparate

Rezumat

Comparație benchmark Kimi K2.6 vs Kimi K2.5 vs GLM 5 vs Claude Opus 4.7Claude Opus 4.7 conduce la Scor cu 8.7. Kimi K2.6 conduce la Fiabilitate cu 10.0. GLM 5 are cel mai mic Cost total, $0.228. Claude Opus 4.7 are cel mai rapid timp de răspuns, 4.73s.

Model recomandat: Claude Opus 4.7 - Are cel mai bun scor aici (8.7) și răspunde de aproximativ 14.4x mai rapid decât celelalte modele din această comparație.

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-06-10

Metrică	Kimi K2.6 Kimi K2.6 medium Lansare: 2026-04-20 Disponibil gratuit	Kimi K2.5 Kimi K2.5 medium Lansare: 2026-01-27	GLM 5 GLM 5 medium Lansare: 2026-02-12	Claude Opus 4.7 Claude Opus 4.7 medium Lansare: 2026-04-16

Metrică	Kimi K2.6 Kimi K2.6 medium Lansare: 2026-04-20 Disponibil gratuit	Kimi K2.5 Kimi K2.5 medium Lansare: 2026-01-27	GLM 5 GLM 5 medium Lansare: 2026-02-12	Claude Opus 4.7 Claude Opus 4.7 medium Lansare: 2026-04-16
Scor	7.2	6.8	8.3	8.7
Rang	#61	#77	#18	#11
Fiabilitate	10.0	10.0	10.0	10.0
Consistență	8.6	6.9	8.5	9.6
Teste corecte
Rată de trecere pe încercare	65.1%	68.3%	82.5%	82.5%
Teste instabile	3	8	4	1
Rulări totale	63	63	63	63
Cost per rezultat	8.358	3.704	1.668	3.991
Cost total	$0.889	$0.328	$0.228	$0.679
Preț de intrare	$0.680 / 1M	$0.400 / 1M	$0.600 / 1M	$5.000 / 1M
Preț de ieșire	$3.410 / 1M	$1.900 / 1M	$1.920 / 1M	$25.000 / 1M
Total tokenuri de intrare	29,450	34,312	35,224	65,406
Tokenuri de ieșire	102,923	48,379	21,570	11,858
Tokenuri de raționament	254,094	157,747	102,996	2,198
Timp de răspuns (mediu)	71.67s	98.43s	33.54s	4.73s
Timp de răspuns (maxim)	406.78s	281.00s	99.85s	23.18s
Timp de răspuns (total)	1433.36s	1378.03s	435.99s	94.51s

Generation showcase

Hamster playing table tennis

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

#61 MoonshotAI: Kimi K2.6

medium

Cost: $0.013
Time: 103.4s
Tokens: 3,620 tok

#77 MoonshotAI: Kimi K2.5

medium

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

#18 GLM 5

medium

Cost: $0.005
Time: 20.7s
Tokens: 2,068 tok

#11 Claude Opus 4.7

medium

Cost: $0.059
Time: 26.8s
Tokens: 2,475 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	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K2.6	7.0	8.0	66.7%	1	11.59s	618	7,115	8,934
Kimi K2.5	7.3	5.8	83.3%	2	51.38s	634	2,789	8,880
GLM 5	10.0	10.0	100.0%	0	23.66s	555	480	7,056
Claude Opus 4.7	8.3	10.0	75.0%	0	1.85s	894	348	0

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K2.6	5.7	8.6	33.3%	0	214.42s	2,925	9,970	77,189
Kimi K2.5	6.1	4.6	66.7%	2	217.49s	6,935	5,705	74,693
GLM 5	10.0	10.0	100.0%	0	74.30s	7,254	2,997	52,930
Claude Opus 4.7	7.6	7.2	77.8%	1	12.96s	10,635	7,629	1,114

Combinat	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K2.6	10.0	10.0	100.0%	40.96s	11,271	711	13,876
Kimi K2.5	10.0	10.0	100.0%	71.37s	11,280	703	3,713
GLM 5	10.0	10.0	100.0%	28.96s	12,804	662	3,242
Claude Opus 4.7	10.0	10.0	100.0%	21.45s	24,501	2,369	1,084

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K2.6	10.0	10.0	100.0%	0	20.38s	7,014	316	11,305
Kimi K2.5	10.0	10.0	100.0%	0	49.78s	7,020	563	7,940
GLM 5	7.1	5.6	83.3%	1	8.90s	5,508	567	3,734
Claude Opus 4.7	10.0	10.0	100.0%	0	2.37s	10,533	324	0

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K2.6	5.3	7.2	44.4%	1	202.38s	326	47,035	98,262
Kimi K2.5	3.5	4.4	33.3%	2	137.29s	485	20,753	30,564
GLM 5	3.5	4.4	33.3%	2	0ms	260	13,176	14,137
Claude Opus 4.7	7.7	10.0	66.7%	0	1.17s	630	51	0

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K2.6	10.0	10.0	100.0%	0	17.83s	477	3,981	4,472
Kimi K2.5	6.5	3.4	66.7%	1	69.73s	480	3,815	4,262
GLM 5	6.1	3.1	66.7%	1	14.69s	477	2,020	2,248
Claude Opus 4.7	10.0	10.0	100.0%	0	2.87s	723	256	0

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K2.6	10.0	10.0	100.0%	12.53s	669	3,977	5,269
Kimi K2.5	10.0	10.0	100.0%	92.47s	675	5,371	6,547
GLM 5	10.0	10.0	100.0%	7.25s	636	1,001	2,129
Claude Opus 4.7	10.0	10.0	100.0%	1.57s	939	114	0

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K2.6	6.0	7.4	55.6%	1	25.06s	651	13,860	17,599
Kimi K2.5	5.3	7.3	44.4%	1	43.23s	659	8,426	12,692
GLM 5	10.0	10.0	100.0%	0	11.33s	609	33	4,076
Claude Opus 4.7	10.0	10.0	100.0%	0	2.43s	939	370	0

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K2.6	10.0	10.0	100.0%	8.92s	5,286	248	1,011
Kimi K2.5	10.0	10.0	100.0%	31.74s	5,933	242	812
GLM 5	10.0	10.0	100.0%	15.93s	6,935	233	994
Claude Opus 4.7	10.0	10.0	100.0%	4.17s	15,339	373	0

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K2.6	3.0	10.0	0.0%	130.27s	213	15,710	16,177
Kimi K2.5	3.0	10.0	0.0%	83.95s	211	12	7,644
GLM 5	3.0	10.0	0.0%	67.37s	186	401	12,450
Claude Opus 4.7	3.0	10.0	0.0%	2.25s	273	24	0

Comparație rapidă

Schimbă perechea de comparație