#51 MoonshotAI: Kimi K2.5
medium- Cost
- $0.030
- Timp
- 58.6s
- Tokenuri
- 8,683 tok
Moonshot AI
Lansare: 2026-01-27
Testat la: 2026-04-20 17:48
moonshotai/kimi-k2.5::medium
(medium)
(none)
Rezumat
Kimi K2.5 obține 7.0 pe AI BENCHY și este pe #51. Are fiabilitate N/D, rată de reușită 72.2%, cost total $0.220 și timp mediu de răspuns 72.43s.
Ce face Kimi K2.5 unic: Se remarcă cel mai mult la Inteligență generală, unde este pe #4, iar Programare este zona cea mai slabă, la #15.
7.0
Consistență
6.8
N/D
$0.220
Total tokenuri de ieșire
127,046
Total tokenuri de intrare
0
Preț de intrare
$0.440 / 1M
Preț de ieșire
$2.000 / 1M
Teste instabile
7
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Prezentare generare
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-06-04 13:43 Test nou adăugat | 6.8 | 10.0 | $0.328 ↓ | Compară | |
| 2026-05-22 00:12 Suită modificată | 6.7 | 10.0 | $0.314 | Compară | |
| 2026-04-20 17:48 Prima rulare înregistrată | 7.0 | N/D | $0.220 | Rularea curentă |
Comparație între rulări
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-20 17:48 · Prima rulare înregistrată | 7.0 | 6.8 | N/D | 9/18 | 7 | 127,046 | 0 | $0.220 | 72.43s |
| 2026-05-22 00:12 · Suită modificată | 6.7 | 6.8 | 10.0 | 9/20 | 8 | 174,803 | 0 | $0.314 | 89.36s |
| Diferență | +0.3 | 0.0 | 0 | -1 | -47757 | 0 | -$0.094 | -16930ms |
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
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
Comparație rapidă
Kimi K2.5mediumvsDeepSeek V4 ProhighKimi K2.5mediumvsMiniMax M3mediumKimi K2.5mediumvsMercury 2mediumKimi K2.5mediumvsStep 3.7 FlashlowKimi K2.5mediumvsGPT-5.3 ChatnoneKimi K2.5mediumvsGemini 3.5 FlashhighKimi K2.5mediumvsGemini 3 Flash PreviewmediumKimi K2.5mediumvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitKimi K2.5mediumvsGPT-5.5low
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 7.3 | 5.8 | |
| Programare | 4.7 | 1.6 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 3.5 | 4.4 | |
| Inteligență generală | 6.5 | 3.4 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 5.3 | 7.3 | |
| Apelare instrumente | 10.0 | 10.0 |