#30 MoonshotAI: Kimi K3
max- Cost
- $0.281
- Timp
- 506.9s
- Tokenuri
- 18,863 tok
Moonshot AI
Lansare: 2026-07-16
Testat la: 2026-07-16 22:18
moonshotai/kimi-k3::max
2.8T în total (104B activi)MoEPonderi disponibile Rezumat
Kimi K3 obține 8.0 pe AI BENCHY și este pe #30. Are fiabilitate 9.1, rată de reușită 75.8%, cost total $3.112 și timp mediu de răspuns 122.48s.
Ce face Kimi K3 unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #4, iar Apelare instrumente este zona cea mai slabă, la #18.
Date despre model
Documentat la 2026-08-12
- Parametri
- 2.8T în total (104B activi)
- Arhitectură
- MoE
- Disponibilitate
- Ponderi disponibile
- Licență
- Kimi K3
8.0
Consistență
9.5
9.1
$3.112
Total tokenuri de ieșire
200,439
Total tokenuri de intrare
34,916
Preț de intrare
$3.000 / 1M
Preț de ieșire
$15.000 / 1M
Teste instabile
1
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 02:35 Retestare | 7.9 | 9.0 | $3.467 | Compară | |
| 2026-07-16 22:18 Test nou adăugat | 8.0 | 9.1 | $3.112 | Rularea curentă | |
| 2026-07-16 17:10 Prima rulare | 8.5 | 9.4 | $3.112 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-07-16 22:18 · Test nou adăugat | 66/66 încercări | 8.0 | 9.5 | 9.1 | 16/22 | 1 | 200,439 | 34,916 | $3.112 | 122.48s |
| 2026-07-16 17:10 · Prima rulare | 63/63 încercări | 8.5 | 9.2 | 9.4 | 16/21 | 2 | 200,439 | 34,916 | $3.112 | 122.48s |
| Diferență | — | -0.6 | +0.3 | -0.3 | 0 | -1 | 0 | 0 | $0.000 | 0ms |
Acoperirea benchmark diferă: 66/66 încercări (Țintă: 3 repetări per test) față de 63/63 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.
Istoric prețuri
Date istorice de preț pentru acest model de la OpenRouter.
| Dată | Preț de intrare | Preț de ieșire |
|---|---|---|
| 2026-07-16 17:32 | $3.000 / 1M | $15.000 / 1M |
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
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 10.0 | 10.0 | |
| Programare | 10.0 | 10.0 | |
| Combinat | 6.5 | 10.0 | |
| Parsare și extragere de date | 7.3 | 5.8 | |
| Specific domeniului | 5.9 | 9.3 | |
| Inteligență generală | 10.0 | 10.0 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 10.0 | 10.0 | |
| Apelare instrumente | 3.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |