Advertise here
#271

Kimi K3.1 Pro

Moonshot AI Lansare: 2026-10-24 Testat la: 2026-10-24 15:44 moonshotai/kimi-k3.1-pro::low
~2.8T în total (~104B activi)MoEÎnchisEstimat
(max) (high) (low)

Rezumat

Kimi K3.1 Pro obține 6.2 pe AI BENCHY și este pe #271. Are fiabilitate 8.2, rată de reușită 59.4%, cost total $1.483 și timp mediu de răspuns 46.26s.

Ce face Kimi K3.1 Pro unic: Se remarcă cel mai mult la Respectarea instrucțiunilor, unde este pe #1, iar Rezolvare de puzzle-uri este zona cea mai slabă, la #13.

Date despre model

Documentat la 2026-10-24

Estimat
Parametri
~2.8T în total (~104B activi)
Arhitectură
MoE
Disponibilitate
Închis
Licență
-

Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.

Sursa parametrilor 1 Sursa parametrilor 2 Sursa parametrilor 3 Sursa parametrilor 4 Sursa parametrilor 5 Sursa disponibilității

Scor

6.2

Consistență

8.1

Fiabilitate

8.2

Cost total (preț curent)

$1.483

Total tokenuri de ieșire

122,541

Total tokenuri de intrare

128,710

Preț de intrare

$2.000 / 1M

Preț de ieșire

$10.000 / 1M

Preț citire cache

$0.200 / 1M

Preț scriere cache

N/D

Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.

Teste corecte

Teste greșite: 12

Rată de trecere pe încercare: 59.4%

Teste instabile

5

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

46.26s

Timp de răspuns (maxim): 506.95s

Timp de răspuns (total): 1064.06s

Eroare API: 8 Răspuns greșit: 3 Apel de instrument invalid: 1

Hamster playing table tennis

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

#271 MoonshotAI: Kimi K3.1 Pro

low
fetch failed
Cost
$0.000
Timp
10.7s
Tokenuri
0 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-10-24 19:30 Retestare 8.8 8.4 $1.836 Compară
2026-10-24 15:44 Prima rulare 6.2 8.2 $1.483 Rularea curentă

Comparație între rulări

RulareAcoperire benchmarkScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-10-24 15:44 · Prima rulare69/69 încercări6.28.18.211/235122,541128,710$1.48346.26s
2026-10-24 19:30 · Retestare69/69 încercări8.88.98.417/233139,158221,802$1.83647.50s
Diferență—-2.6-0.8-0.2-6+2-16617-93092-$0.353-1241ms

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

Kimi K3.1 ProlowvsPareto 26.9defaultKimi K3.1 ProlowvsQwen3.8 MAXlowKimi K3.1 ProlowvsClaude Fable 5mediumKimi K3.1 ProlowvsGPT-5.4mediumKimi K3.1 ProlowvsMuse Spark 1.1mediumKimi K3.1 ProlowvsMuse Spark OpenmediumKimi K3.1 ProlowvsMuse Spark 1.2mediumKimi K3.1 ProlowvsDeepSeek V4.1 FlashhighKimi K3.1 ProlowvsMuse Spark 1.2highKimi K3.1 ProlowvsDeepSeek V4.1 Flashmedium

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Sarcini agentice 3.5 8.3
Trucuri anti-AI 8.7 7.9
Programare 5.9 7.2
Combinat 6.5 10.0
Parsare și extragere de date 10.0 10.0
Specific domeniului 3.5 4.4
Inteligență generală 10.0 10.0
Respectarea instrucțiunilor 10.0 10.0
Rezolvare de puzzle-uri 5.3 7.2
Apelare instrumente 3.0 10.0
Cultură generală 3.0 10.0

Modele comparate