#79 MoonshotAI: Kimi K2.5
medium- 成本
- $0.030
- 时间
- 58.6s
- 令牌
- 8,683 tok
Moonshot AI
发布日期: 2026-01-27
测试于: 2026-05-22 00:12
moonshotai/kimi-k2.5::medium
1T 总计 (32B 激活)MoE权重可用
(medium)
(none)
摘要
Kimi K2.5 在 AI BENCHY 上得分 6.7，排名 #79。它的可靠性为 10.0，通过率为 66.7%，总成本为 $0.314，平均响应时间为 89.36s。
Kimi K2.5 的独特之处： 它最突出的是 通用智能，排名 #4；相对较弱的是 编程，排名 #17。
模型信息
调研日期：2026-08-12
- 参数量
- 1T 总计 (32B 激活)
- 架构
- MoE
- 开放状态
- 权重可用
- 许可证
- Modified MIT
输入价格
$0.400 / 1M
输出价格
$1.900 / 1M
不稳定测试
8
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-08-14 02:00 重新测试 | 7.0 | 10.0 | $0.607 ↑ | 比较 | |
| 2026-07-16 22:17 新增测试 | 7.0 | 10.0 | $0.600 ↑ | 比较 | |
| 2026-06-04 13:43 新增测试 | 6.8 | 10.0 | $0.328 ↓ | 比较 | |
| 2026-05-22 00:12 测试集已变更 | 6.7 | 10.0 | $0.314 | 当前轮次 | |
| 2026-04-20 17:48 首次记录的运行 | 7.0 | 不适用 | $0.220 | 比较 |
此轮次使用了不同的基准测试集。解读历史变化时请将测试集变动考虑在内。
轮次对比
| 测试轮次 | 基准测试覆盖率 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总输入令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:12 · 测试集已变更 | 60/60 次尝试 | 6.7 | 6.8 | 10.0 | 9/20 | 8 | 174,803 | 0 | $0.314 | 89.36s |
| 2026-08-14 02:00 · 重新测试 | 66/66 次尝试 | 7.0 | 7.0 | 10.0 | 10/22 | 8 | 220,942 | 118,496 | $0.607 | 98.19s |
| 差值 | — | -0.3 | -0.2 | 0.0 | -1 | 0 | -46139 | -118496 | -$0.294 | -8833ms |
基准测试覆盖率不同：60/60 次尝试 (目标：每项测试重复 3 次) 对比 66/66 次尝试 (目标：每项测试重复 3 次)。总量和受重复次数影响的指标不能直接比较。
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
Kimi K2.5mediumvsSeed-2.0-MinimediumKimi K2.5mediumvsKAT-Coder-Pro V2.5mediumKimi K2.5mediumvsGrok 4.20mediumKimi K2.5mediumvsQwen3.7 FlashmediumKimi K2.5mediumvsMercury 2mediumKimi K2.5mediumvsSeed-2.0-CodehighKimi K2.5mediumvsGPT-5.5noneKimi K2.5mediumvsGemini 3.5 FlashnoneKimi K2.5mediumvsGLM 5.1mediumKimi K2.5mediumvsQwen3.6 Flashmedium