#82 MoonshotAI: Kimi K2.5
none- Cost
- $0.015
- Timp
- 89.1s
- Tokenuri
- 5,421 tok
Moonshot AI
Lansare: 2026-01-27
Testat la: 2026-04-20 17:48
moonshotai/kimi-k2.5::none
1T în total (32B activi)MoEPonderi disponibile
(medium)
(none)
Rezumat
Kimi K2.5 obține 5.5 pe AI BENCHY și este pe #82. Are fiabilitate N/D, rată de reușită 40.7%, cost total $0.017 și timp mediu de răspuns 13.37s.
Ce face Kimi K2.5 unic: Se remarcă cel mai mult la Programare, unde este pe #1, iar Trucuri anti-AI este zona cea mai slabă, la #17. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
Date despre model
Documentat la 2026-08-12
- Parametri
- 1T în total (32B activi)
- Arhitectură
- MoE
- Disponibilitate
- Ponderi disponibile
- Licență
- Modified MIT
5.5
Consistență
8.7
N/D
$0.017
Total tokenuri de ieșire
2,659
Total tokenuri de intrare
0
Preț de intrare
$0.440 / 1M
Preț de ieșire
$2.000 / 1M
Teste instabile
3
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
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 |
|---|---|---|---|---|---|
| 2026-08-14 01:55 Retestare | 5.4 | 10.0 | $0.127 ↑ | Compară | |
| 2026-07-16 22:13 Test nou adăugat | 5.5 | 10.0 | $0.127 ↑ | Compară | |
| 2026-06-04 13:32 Test nou adăugat | 5.2 | 10.0 | $0.028 ↑ | Compară | |
| 2026-05-22 00:03 Suită modificată | 5.3 | 10.0 | $0.026 | Compară | |
| 2026-04-20 17:48 Prima rulare înregistrată | 5.5 | N/D | $0.017 | Rularea curentă |
Comparație între rulări
| Rulare | Acoperire benchmark | 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 | 54/54 încercări | 5.5 | 8.7 | N/D | 6/18 | 3 | 2,659 | 0 | $0.017 | 13.37s |
| 2026-07-16 22:13 · Test nou adăugat | 66/66 încercări | 5.5 | 8.6 | 10.0 | 6/22 | 4 | 26,638 | 89,322 | $0.127 | 19.15s |
| Diferență | — | 0.0 | +0.1 | 0 | -1 | -23979 | -89322 | -$0.111 | -5786ms |
Acoperirea benchmark diferă: 54/54 încercări (Țintă: 3 repetări per test) față de 66/66 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
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 K2.5nonevsMiMo-V2.5-PrononeKimi K2.5nonevsDeepSeek V4 Flash 0731noneKimi K2.5nonevsGPT-5.6 LunanoneKimi K2.5nonevsLaguna S 2.1highDisponibil gratuitKimi K2.5nonevsKAT-Coder-Air V2.5lowKimi K2.5nonevsInkling SmallnoneKimi K2.5nonevsLaguna S 2.1mediumDisponibil gratuitKimi K2.5nonevsLaguna XS 2.1noneDisponibil gratuitKimi K2.5nonevsDeepSeek V4 Flash 0423noneKimi K2.5nonevsSeed-2.0-Codenone
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 3.6 | 8.4 | |
| Programare | 10.0 | 10.0 | |
| Combinat | 2.8 | 2.1 | |
| Parsare și extragere de date | 7.3 | 5.8 | |
| Specific domeniului | 5.3 | 10.0 | |
| Inteligență generală | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 6.5 | 10.0 | |
| Rezolvare de puzzle-uri | 3.1 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 |