Sari la conținut

Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Benchmark-uri

Surse
8
Intrări urmărite
22.318
Ultima sincronizare
16 min
Toate sursele se sincronizează normal
  • Arena · Textacum 6 ore
  • Arena · WebDevacum 6 ore
  • Arena · Visionacum 6 ore
  • Arena · Agentacum 6 ore
  • GPQA Diamondacum 16 minute
  • SWE-benchacum 16 minute
  • Terminal-Benchacum 16 minute
  • ARC-AGI-2acum 16 minute

Kimi K2.7 Code

62±2

60interval64

moonshotiun. 2026oscilație #58–#215

Kimi K2 0905

56±0

56interval57

kimisept. 2025oscilație #250–#250

Kimi K2

56±0

56interval57

kimiiul. 2025oscilație #252–#252

General ×1WebDev Arena ×1Vision Arena ×1Factuality Arena ×1Search Arena ×1Document Arena ×1Agent Arena ×1GPQA Diamond ×1AIME (matematică) ×1FrontierMath ×1SimpleQA Verified ×1ARC-AGI-2 ×1Humanity's Last Exam ×1SimpleBench ×1LiveBench ×1BFCL v4 (apelare de funcții) ×1inactivSWE-bench Verified (clasament live) ×1Terminal-Bench 4.0 ×1MMLU-Pro (Artificial Analysis) ×1LiveCodeBench (Artificial Analysis) ×1IFBench (Artificial Analysis) ×1Halucinații HHEM (Vectara) ×14 din 1034 modele
ModelOrganizațieIntervalOscilațieiiiiiiiiiiiiiiiiiiiiiiAdaugă la comparație
107Kimi K2.7 Codemoonshotiun. 2026$0.67 / $3.3561.9 67.1Clasat 61.9 = (7 × 67.1 + 3 × 50) ÷ 10. 67.1 este percentila medie pe cele 7 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.60–64427/22#58–215—58—————7682—39——6678—————72—
250Kimi K2 0905kimisept. 2025$0.60 / $2.5056.1 62.1Clasat 56.1 = (3 × 62.1 + 3 × 50) ÷ 6. 62.1 este percentila medie pe cele 3 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.—333/22———————————————————786445—
252Kimi K2kimiiul. 2025$0.57 / $2.3056.0 62.0Clasat 56.0 = (3 × 62.0 + 3 × 50) ÷ 6. 62.0 este percentila medie pe cele 3 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.—363/22———————————————————816144—
446Kimi K2.5 (Thinking)moonshotian. 2026$0.50 / $2.5049.1 48.7Clasat 49.1 = (7 × 48.7 + 3 × 50) ÷ 10. 48.7 este percentila medie pe cele 7 din 22 axe selectate pe care este măsurat modelul; cu cât sunt mai puține axe, cu atât tragerea spre 50 este mai puternică.47–51667/22#70–446—50————————35466546——————8216

Mixul este contractat după acoperire; scorul compus brut apare gri lângă el · O insignă „redusă” înseamnă că mai puțin de 3 clasamente au evaluat acest model

Puținele lucruri din AI și cuantic care au contat cu adevărat săptămâna asta — rezumate cinstit.

Un e-mail pe săptămână. Dezabonare dintr-un clic. Fără urmărire, fără partajare.