MedicalBenchmark
MoonshotAI: Kimi K2 Thinking provider

Kimi K2 Thinking

94

#94 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

542.66 pts

Ziurtasuna

92.2%

Zuzenak / Okerrak

553 / 31

Kostu osoa

$3.93

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

92.2%

avg: 80.6%

Puntuazio garbia

542.66 pts

avg: 453.30 pts

Zuzenak

553

avg: 483

Okerrak

31

avg: 90

Kostu osoa

$3.93

avg: $9.58

Batez besteko erantzun-denbora

40.0s

avg: 17.9s

Irteerako tokenak

1.1M

avg: 1.3M

Arrazonamendu tokenak

765K

avg: 898K

Batez besteko konfiantza

97.3%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
105
Zuzenak
186
Okerrak
10
Ziurtasuna
93.0%
Puntuazio garbia
182.66
MIR 2025
85
Zuzenak
180
Okerrak
14
Ziurtasuna
90.0%
Puntuazio garbia
175.33
MIR 2026
95
Zuzenak
187
Okerrak
7
Ziurtasuna
93.5%
Puntuazio garbia
184.66