Vergleichskohorte: vals-code-migration:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 35
Methodik und Einordnung: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 3820.711. Kosten je Aufgabe in USD: 0.926909. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-code-migration-2026-09-04-37e66450d0d6. Prüfsumme der Quelldaten: 37e66450d0d6f681e77c4fe9942f74c0aa743078002f50aef50932407223f88f. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

IOI

Overall

Mehr ist besser24 ModelleKimi K2.5: Platz 13 von 24Datenstand: 4. September 2026

1.Claude Opus 591,67 %

2.GPT-5.6 Sol86,67 %

3.GPT-5.6 Luna72,92 %

4.Claude Fable 572,25 %

5.GPT-5.467,83 %

6.GPT-5.6 Terra65,25 %

7.GPT-5.3-Codex43,83 %

8.Gemini 3 Flash39,08 %

9.DeepSeek-V4-Pro35,83 %

10.Gemini 3.5 Flash-Lite26,17 %

11.GLM-522 %

12.GPT-520 %

13.Kimi K2.517,67 %

14.Gemini 2.5 Pro17,08 %

15.Grok 4.315,33 %

16.GPT-5.4 nano15,25 %

17.GLM-4.77,58 %

18.GPT-5 mini6,75 %

19.GPT-5.4 mini6,42 %

20.o4-mini4,83 %

21.GLM-4.64,33 %

22.GLM-4.52,92 %

23.Gemini 2.5 Flash2,61 %

24.DeepSeek-V3 03241,67 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-ioi:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 24
Methodik und Einordnung: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Latenz in Sekunden: 3828.386. Kosten je Aufgabe in USD: 0.677261. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-ioi-2026-09-04-c6f99e8d7130. Prüfsumme der Quelldaten: c6f99e8d713092dbfdc9cbcfd6b376fbb7209970714528eab31f6b541d90f20c. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

LiveCodeBench v6

Overall

Mehr ist besser56 ModelleKimi K2.5: Platz 25 von 56Datenstand: 4. September 2026

1.Claude Fable 589,78 %

2.Gemini 3.8 Flash89,48 %

3.Claude Opus 589,03 %

4.Gemini 3.7 Flash88,65 %

5.Gemini 3.1 Pro Preview88,49 %

6.Grok 4.688,22 %

7.Gemini 3.6 Flash88,08 %

8.Gemini 3.5 Flash87,6 %

9.DeepSeek-V4-Pro87,48 %

10.Grok 4.587,35 %

11.GPT-5.3-Codex87,31 %

12.Kimi K387,19 %

13.Kimi K2.686,77 %

14.GPT-5 mini86,61 %

15.Inkling Small85,93 %

16.GPT-5.6 Terra85,93 %

17.GPT-585,91 %

18.Gemini 3 Flash85,59 %

19.Inkling85,52 %

20.GPT-5.585,3 %

21.Grok 4.384,49 %

22.GPT-5.484,14 %

23.GPT-5.4 nano84,01 %

24.o383,91 %

25.Kimi K2.583,87 %

26.GPT OSS 120B83,23 %

27.GPT-5.6 Sol82,6 %

28.Claude Sonnet 582,43 %

29.GLM-4.782,23 %

30.o4-mini82,21 %

31.Kimi K2.7 Code82,05 %

32.GLM-581,87 %

33.MiMo-V2.581,51 %

34.GPT-5.4 mini81,47 %

35.GLM-5.181,38 %

36.MiMo-V2.5-Pro81,35 %

37.GLM-4.681,04 %

38.GLM-5.380,54 %

39.GLM-5.3-Flash80,51 %

40.GPT OSS 20B80,39 %

41.Gemini 3.1 Flash-Lite80,12 %

42.Gemini 3.5 Flash-Lite79,01 %

43.o3-mini71,48 %

44.DeepSeek-R170,22 %

45.GPT-5 nano70,22 %

46.GLM-5.269,5 %

47.GLM-4.567,45 %

48.DeepSeek-V3 032465,48 %

49.Kimi K2 Thinking63,15 %

50.GPT-4.1 mini58,16 %

51.GPT-4.154,67 %

52.o150,26 %

53.GPT-4o43,44 %

54.GPT-4.1 nano42,72 %

55.GPT-4o mini26,42 %

56.Command R+18,24 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-lcb:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 56
Methodik und Einordnung: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 200.023. Kosten je Aufgabe in USD: 0.038656. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-09-04-95ca83387127. Prüfsumme der Quelldaten: 95ca83387127df287e9a6d928c411c98c9b65b4cefeee46eb4008ca1521f5ed4. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Finanzen

3 Messreihen

CorpFin v2

Overall

Mehr ist besser50 ModelleKimi K2.5: Platz 8 von 50Datenstand: 4. September 2026

1.Claude Opus 573,19 %

2.Claude Fable 571,83 %

3.Kimi K371,56 %

4.Inkling Small69,62 %

5.Inkling68,57 %

6.Grok 4.368,53 %

7.GPT-5.568,42 %

8.Kimi K2.568,26 %

9.Grok 4.567,41 %

10.Claude Sonnet 566,98 %

11.Kimi K2.666,74 %

12.Gemini 3 Flash66,43 %

13.Grok 4.666,16 %

14.GLM-5.266,12 %

15.GPT-5.6 Terra65,31 %

16.GPT-5.465,27 %

17.Gemini 3.5 Flash64,69 %

18.Gemini 3.1 Pro Preview64,49 %

19.GLM-5.164,45 %

20.GPT-5.6 Sol64,38 %

21.GPT-5.6 Luna64,22 %

22.Gemini 3.6 Flash63,33 %

23.GPT-4.163,05 %

24.GLM-562,9 %

25.MiMo-V2.5-Pro61,42 %

26.DeepSeek-V4-Pro61,38 %

27.GPT-5.4 nano61,19 %

28.GPT-561,07 %

29.GLM-4.560,96 %

30.GPT-5.4 mini60,92 %

31.Gemini 2.5 Pro60,8 %

32.Gemini 3.5 Flash-Lite60,68 %

33.Kimi K2 Thinking60,57 %

34.GPT-5 mini60,18 %

35.MiMo-V2.559,91 %

36.o359,71 %

37.Gemini 3.1 Flash-Lite59,36 %

38.o4-mini58,97 %

39.GPT OSS 120B58,24 %

40.GPT-4.1 mini57,93 %

41.GLM-4.656,84 %

42.DeepSeek-V3 032454,74 %

43.Trinity Large Thinking54,66 %

44.DeepSeek-R154,12 %

45.GPT OSS 20B53,15 %

46.DeepSeek-V352,49 %

47.GLM-4.746,39 %

48.GPT-4o mini45,46 %

49.o3-mini45,3 %

50.GPT-4.1 nano42,08 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-corp-fin-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 50
Methodik und Einordnung: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 80.779. Kosten je Aufgabe in USD: 0.052412. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-04-46dad6684551. Prüfsumme der Quelldaten: 46dad668455190ee4239b7c743d00d81c6fd3127e0d87123c518ec107c13b44d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

EMB

Overall

Mehr ist besser32 ModelleKimi K2.5: Platz 29 von 32Datenstand: 4. September 2026

1.Claude Fable 573,67 %

2.Claude Opus 573,56 %

3.GPT-5.6 Sol72,34 %

4.Gemini 3.8 Flash72,2 %

5.GPT-6 Astra71,7 %

6.Gemini 3.7 Flash71,33 %

7.GPT-5.6 Luna67,12 %

8.Kimi K366,4 %

9.Claude Sonnet 566,32 %

10.GPT-5.6 Terra66,21 %

11.Gemini 3.6 Flash65,41 %

12.GPT-5.564,54 %

13.Gemini 3.5 Flash63,55 %

14.Grok 4.662,73 %

15.GLM-5.261,53 %

16.Kimi K2.657,86 %

17.GLM-5.356,34 %

18.GLM-5.3-Flash55,93 %

19.MiMo-V2.5-Pro55,23 %

20.MiMo-V2.555,09 %

21.Grok 4.552,91 %

22.Gemini 3.1 Pro Preview52,62 %

23.DeepSeek-V4-Pro51,62 %

24.GPT-5.4 mini45,43 %

25.GPT-5.4 nano44,75 %

26.Gemini 3.5 Flash-Lite43,23 %

27.Inkling38,36 %

28.Inkling Small31,76 %

29.Kimi K2.528,47 %

30.Gemini 3 Flash26,02 %

31.Grok 4.318,39 %

32.Gemini 3.1 Flash-Lite8,63 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-emb:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 32
Methodik und Einordnung: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 3796.855. Kosten je Aufgabe in USD: 0.786639. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-emb-2026-09-04-5d630bb9b3a7. Prüfsumme der Quelldaten: 5d630bb9b3a7674ec91efa385ebf472ae6d8bb96c8db2fa2dd5af3e813e66155. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Finance Agent (v2)

Overall

Mehr ist besser33 ModelleKimi K2.5: Platz 32 von 33Datenstand: 4. September 2026

1.Gemini 3.8 Flash61,44 %

2.Gemini 3.7 Flash59,04 %

3.Claude Opus 558,63 %

4.Gemini 3.5 Flash57,86 %

5.GLM-5.3-Flash57,85 %

6.Claude Fable 556,31 %

7.Gemini 3.6 Flash56,3 %

8.GLM-5.355,84 %

9.GPT-5.6 Luna55,04 %

10.GPT-5.6 Terra54,44 %

11.Kimi K354,36 %

12.Claude Sonnet 553,91 %

13.GPT-5.6 Sol53,76 %

14.Grok 4.653,68 %

15.GPT-6 Astra53,54 %

16.GPT-5.551,76 %

17.GLM-5.249,7 %

18.Grok 4.548,35 %

19.Gemini 3.5 Flash-Lite47,44 %

20.Inkling46,6 %

21.GPT-5.4 mini45,36 %

22.Kimi K2.644,9 %

23.GLM-5.144,79 %

24.DeepSeek-V4-Pro44,08 %

25.Gemini 3.1 Pro Preview42,98 %

26.Gemini 3 Flash42,55 %

27.MiMo-V2.5-Pro41,5 %

28.Inkling Small41,26 %

29.GPT-5.4 nano38,22 %

30.Grok 4.337,73 %

31.MiMo-V2.536,73 %

32.Kimi K2.535,79 %

33.Gemini 3.1 Flash-Lite29,99 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-finance-agent-v2:2:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 33
Methodik und Einordnung: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 751.754. Kosten je Aufgabe in USD: 0.294389. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-fabv2-2026-09-04-88f92e979bb6. Prüfsumme der Quelldaten: 88f92e979bb632f19bdb1ae6ca2768ced7b2b2b915ea3aac1553be06fa197204. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

GPQA Diamond

Overall

Mehr ist besser54 ModelleKimi K2.5: Platz 27 von 54Datenstand: 4. September 2026

1.Gemini 3.1 Pro Preview95,45 %

2.GPT-5.6 Sol95,2 %

3.Grok 4.694,7 %

4.Gemini 3.8 Flash94,44 %

5.Gemini 3.7 Flash93,94 %

6.Claude Opus 593,43 %

6.Gemini 3.6 Flash93,43 %

8.Claude Fable 593,18 %

8.GPT-5.593,18 %

10.Grok 4.592,93 %

10.Kimi K392,93 %

12.Gemini 3.5 Flash92,68 %

13.GPT-5.491,67 %

13.GPT-5.6 Luna91,67 %

15.Grok 4.391,41 %

16.GPT-5.6 Terra90,91 %

17.DeepSeek-V4-Pro89,39 %

18.Kimi K2.689,14 %

19.Claude Sonnet 588,89 %

20.GLM-5.388,13 %

21.Gemini 3 Flash87,88 %

22.Inkling87,12 %

23.GLM-5.3-Flash86,36 %

24.GLM-5.285,61 %

24.GPT-585,61 %

26.GLM-5.184,52 %

27.Kimi K2.584,09 %

27.o384,09 %

29.Gemini 3.5 Flash-Lite83,84 %

30.Inkling Small83,59 %

31.GLM-583,33 %

32.GPT-5.4 mini83,08 %

33.MiMo-V2.5-Pro82,58 %

34.MiMo-V2.581,57 %

35.Gemini 3.1 Flash-Lite81,06 %

36.GPT-5 mini80,3 %

37.GLM-4.780,05 %

38.GPT OSS 120B78,54 %

38.Kimi K2 Thinking78,54 %

40.GPT-5.4 nano77,53 %

41.o3-mini75,51 %

42.GLM-4.674,5 %

42.o4-mini74,5 %

44.o173,23 %

45.GLM-4.572,22 %

46.GPT OSS 20B68,94 %

47.GPT-4.1 mini67,93 %

48.GPT-4.165,4 %

49.GPT-5 nano63,38 %

50.DeepSeek-V3 032461,62 %

51.DeepSeek-V354,55 %

52.GPT-4.1 nano50,76 %

53.GPT-4o mini44,19 %

54.Command R+31,06 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-gpqa:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 54
Methodik und Einordnung: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 151.843. Kosten je Aufgabe in USD: 0.029962. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-09-04-fc438726f0d8. Prüfsumme der Quelldaten: fc438726f0d8523d320f02d75ae372a3fa38b28b36f70fe318d119f55153560d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Recht

2 Messreihen

Harvey's Legal Agent Benchmark

Overall · Task fully resolved

Mehr ist besser34 ModelleKimi K2.5: Platz 26 von 34Datenstand: 4. September 2026

1.Grok 4.615,83 %

2.Grok 4.512,92 %

3.Claude Fable 511,25 %

4.Kimi K310,83 %

5.Gemini 3.8 Flash10 %

6.Gemini 3.7 Flash8,75 %

7.GLM-5.38,33 %

8.GLM-5.27,08 %

9.Claude Opus 56,67 %

9.GLM-5.3-Flash6,67 %

11.GPT-6 Astra5,42 %

12.Claude Sonnet 55 %

13.DeepSeek-V4-Pro3,75 %

13.GPT-5.53,75 %

15.Gemini 3.6 Flash3,33 %

16.Gemini 3.5 Flash2,5 %

16.GPT-5.6 Sol2,5 %

18.Inkling2,08 %

18.MiMo-V2.5-Pro2,08 %

20.Inkling Small1,67 %

20.Kimi K2.61,67 %

20.MiMo-V2.51,67 %

23.GPT-5.6 Luna1,25 %

24.GPT-5.6 Terra0,83 %

25.Grok 4.30,42 %

26.Gemini 3 Flash0 %

26.Gemini 3.1 Flash-Lite0 %

26.Gemini 3.1 Pro Preview0 %

26.Gemini 3.5 Flash-Lite0 %

26.GLM-5.10 %

26.GPT-5.40 %

26.GPT-5.4 mini0 %

26.GPT-5.4 nano0 %

26.Kimi K2.50 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-legal-agent-benchmark:1:overall
Messgröße: task resolution rate
Skala: 0-100
Teilnehmer: 34
Methodik und Einordnung: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 1508.281. Kosten je Aufgabe in USD: 0.351359. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-hlab-2026-09-04-211eab6c865f. Prüfsumme der Quelldaten: 211eab6c865f7c6808000150de043c5f65dd420c200156b06c68b58057fbd685. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Legal Research Bench

Overall · All-pass

Mehr ist besser33 ModelleKimi K2.5: Platz 25 von 33Datenstand: 4. September 2026

1.Claude Opus 555,29 %

2.Claude Fable 549,52 %

3.GLM-5.349,04 %

4.GPT-5.6 Sol48,08 %

4.Grok 4.648,08 %

6.GLM-5.3-Flash45,19 %

7.Kimi K344,23 %

8.Claude Sonnet 541,83 %

9.GPT-5.6 Terra41,35 %

10.GPT-5.540,39 %

11.GPT-6 Astra39,42 %

12.Gemini 3.8 Flash38,94 %

13.Grok 4.537,98 %

14.GPT-5.6 Luna36,54 %

15.Gemini 3.7 Flash34,62 %

16.GLM-5.231,25 %

17.Gemini 3.5 Flash30,77 %

18.Inkling28,37 %

19.GLM-5.127,89 %

20.Inkling Small25,48 %

21.Gemini 3.6 Flash25 %

22.DeepSeek-V4-Pro23,08 %

23.Gemini 3.1 Pro Preview20,67 %

24.Gemini 3 Flash18,27 %

25.Kimi K2.515,87 %

25.Kimi K2.615,87 %

25.MiMo-V2.5-Pro15,87 %

28.Grok 4.315,39 %

29.Gemini 3.5 Flash-Lite13,94 %

30.GPT-5.4 mini12,5 %

31.MiMo-V2.59,14 %

32.GPT-5.4 nano6,25 %

33.Gemini 3.1 Flash-Lite3,37 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-legal-research:1:overall
Messgröße: all-pass rate
Skala: 0-100
Teilnehmer: 33
Methodik und Einordnung: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 1332.514. Kosten je Aufgabe in USD: 0.23035. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-legal_research-2026-09-04-80d740c3f3ef. Prüfsumme der Quelldaten: 80d740c3f3ef5ee9176f2a9280a1825407c4fa31cdf19be9b448989fcb3ee859. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Gesundheit

3 Messreihen

MedCode

Overall

Mehr ist besser40 ModelleKimi K2.5: Platz 32 von 40Datenstand: 4. September 2026

1.Claude Opus 563,57 %

2.Gemini 3.1 Pro Preview59,06 %

3.Claude Fable 556,07 %

4.Gemini 3 Flash55,92 %

5.Gemini 3.5 Flash55,83 %

6.Gemini 3.7 Flash53,39 %

7.Gemini 3.6 Flash53,15 %

8.Gemini 2.5 Pro50,59 %

9.GPT-549,63 %

10.GPT-5.549,1 %

11.Kimi K348,88 %

12.GPT-6 Astra48,49 %

13.Gemini 3.8 Flash48,14 %

14.Gemini 3.1 Flash-Lite47,6 %

15.Claude Sonnet 547,54 %

16.o347,29 %

17.Grok 4.644,71 %

18.GPT-5.6 Sol43,97 %

19.Gemini 3.5 Flash-Lite43,49 %

20.GPT-5.6 Terra43,41 %

21.Grok 4.543,29 %

22.GPT-5 mini43,05 %

23.GLM-5.342,86 %

24.GPT-5.6 Luna42,39 %

25.GLM-5.141,6 %

26.GPT-5.441,29 %

27.Inkling41,19 %

28.GPT-5.4 nano41,03 %

29.GLM-5.240,77 %

30.DeepSeek-V4-Pro40,46 %

31.Kimi K2.640,14 %

32.Kimi K2.539,32 %

33.Grok 4.338,07 %

34.Inkling Small37,89 %

35.o4-mini33,79 %

36.GLM-4.732,77 %

37.MiMo-V2.5-Pro32,48 %

38.MiMo-V2.531,9 %

39.GPT-5 nano30,44 %

40.Gemini 2.5 Flash-Lite27,12 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-medcode:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 40
Methodik und Einordnung: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 75.452. Kosten je Aufgabe in USD: 0.017275. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medcode-2026-09-04-c44942e3604f. Prüfsumme der Quelldaten: c44942e3604fa8eca13f660a1551cfa5ea9bbf9c67af141f41601402afceb569. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

MedQA

Overall

Mehr ist besser27 ModelleKimi K2.5: Platz 10 von 27Datenstand: 4. September 2026

1.o196,52 %

2.Gemini 3.1 Pro Preview96,37 %

3.GPT-596,32 %

4.GPT-5.496,09 %

5.GPT-5 mini96,06 %

5.o396,06 %

7.o4-mini96,02 %

8.Gemini 3 Flash95,81 %

9.o3-mini94,83 %

10.Kimi K2.594,37 %

11.GLM-594,27 %

12.GLM-4.793,74 %

13.GPT-5 nano93,26 %

14.Kimi K2 Thinking92,59 %

15.GLM-4.692,23 %

16.GPT OSS 120B91,36 %

17.GPT-4.191,18 %

18.DeepSeek-R190,8 %

19.GLM-4.589,98 %

20.GPT-4o88,16 %

21.GPT-4.1 mini84,63 %

22.GPT OSS 20B82,88 %

23.DeepSeek-V3 032482 %

24.DeepSeek-V380,9 %

25.GPT-4o mini72,44 %

26.GPT-4.1 nano68,23 %

27.Command R+2,65 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-medqa:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 27
Methodik und Einordnung: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-04-16. Latenz in Sekunden: 41.628. Kosten je Aufgabe in USD: 0.006992. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medqa-2026-09-04-de083a524dbf. Prüfsumme der Quelldaten: de083a524dbf0fa1c2da5cf0a06bd001693d2426690681ffac4cd93ccf3fbeba. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

MedScribe

Overall

Mehr ist besser41 ModelleKimi K2.5: Platz 27 von 41Datenstand: 4. September 2026

1.Claude Opus 590,99 %

2.GLM-5.3-Flash88,94 %

3.GLM-5.388,81 %

4.Claude Fable 588,52 %

5.Kimi K387,96 %

6.GPT-6 Astra87,91 %

7.Grok 4.586,88 %

8.GPT-5.586,87 %

9.Grok 4.686,53 %

10.Inkling85,41 %

11.GPT-5.6 Sol85,23 %

12.Gemini 3.8 Flash84,5 %

13.GPT-5.6 Luna84,39 %

14.Inkling Small84,11 %

15.Gemini 3.7 Flash83,94 %

16.MiMo-V2.5-Pro83,73 %

17.GPT-583,65 %

18.GLM-5.283,53 %

19.GPT-5.6 Terra82,87 %

20.GPT-5 mini80,58 %

21.Gemini 3.6 Flash79,66 %

22.Kimi K2.678,15 %

23.GPT-5.477,55 %

24.GPT-5.4 nano77,09 %

25.o376,65 %

26.Gemini 3.5 Flash76,57 %

27.Kimi K2.576,44 %

28.Gemini 3.1 Pro Preview76,11 %

29.Claude Sonnet 576,05 %

30.DeepSeek-V4-Pro75,14 %

31.Grok 4.374,4 %

32.Gemini 2.5 Pro73,55 %

33.GPT-5 nano72,87 %

34.Gemini 2.5 Flash-Lite72,83 %

35.GLM-5.172,27 %

36.MiMo-V2.572,15 %

37.Gemini 3.5 Flash-Lite70,89 %

38.Gemini 3 Flash69,92 %

39.o4-mini69,14 %

40.GLM-4.768,63 %

41.Gemini 3.1 Flash-Lite63,9 %

Skala: 0 % - 100 %

Quelle: Vals AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: vals-medscribe:1:overall
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 41
Methodik und Einordnung: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 147.155. Kosten je Aufgabe in USD: 0.02489. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medscribe-2026-09-04-c86df6ced023. Prüfsumme der Quelldaten: c86df6ced023af4a251d97cf5f91df5f06151cd899b2529a2256d12e0656995a. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle: Vals AI

Dokumentierte Messdetails

Jede Beobachtung enthält den Quellwert und die veröffentlichten Testbedingungen.

Code Migration: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 6.962
Bewertung: 6.962
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-code-migration:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 3820.711. Kosten je Aufgabe in USD: 0.926909. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-code-migration-2026-09-04-37e66450d0d6. Prüfsumme der Quelldaten: 37e66450d0d6f681e77c4fe9942f74c0aa743078002f50aef50932407223f88f. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

CorpFin v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 68.259
Bewertung: 68.259
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-corp-fin-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-08-12. Latenz in Sekunden: 80.779. Kosten je Aufgabe in USD: 0.052412. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-corp_fin_v2-2026-09-04-46dad6684551. Prüfsumme der Quelldaten: 46dad668455190ee4239b7c743d00d81c6fd3127e0d87123c518ec107c13b44d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

EMB: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 28.469
Bewertung: 28.469
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-emb:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 3796.855. Kosten je Aufgabe in USD: 0.786639. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-emb-2026-09-04-5d630bb9b3a7. Prüfsumme der Quelldaten: 5d630bb9b3a7674ec91efa385ebf472ae6d8bb96c8db2fa2dd5af3e813e66155. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

Finance Agent (v2): Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 35.792
Bewertung: 35.792
Messgröße: accuracy
Einheit: %
Benchmark-Version: 2
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-finance-agent-v2:2:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 751.754. Kosten je Aufgabe in USD: 0.294389. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-fabv2-2026-09-04-88f92e979bb6. Prüfsumme der Quelldaten: 88f92e979bb632f19bdb1ae6ca2768ced7b2b2b915ea3aac1553be06fa197204. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

GPQA Diamond: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 84.091
Bewertung: 84.091
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: reasoning
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-gpqa:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 151.843. Kosten je Aufgabe in USD: 0.029962. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-09-04-fc438726f0d8. Prüfsumme der Quelldaten: fc438726f0d8523d320f02d75ae372a3fa38b28b36f70fe318d119f55153560d. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

IOI: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 17.667
Bewertung: 17.667
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-ioi:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-08-09. Latenz in Sekunden: 3828.386. Kosten je Aufgabe in USD: 0.677261. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-ioi-2026-09-04-c6f99e8d7130. Prüfsumme der Quelldaten: c6f99e8d713092dbfdc9cbcfd6b376fbb7209970714528eab31f6b541d90f20c. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

LiveCodeBench v6: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 83.868
Bewertung: 83.868
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: coding
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-lcb:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Latenz in Sekunden: 200.023. Kosten je Aufgabe in USD: 0.038656. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-09-04-95ca83387127. Prüfsumme der Quelldaten: 95ca83387127df287e9a6d928c411c98c9b65b4cefeee46eb4008ca1521f5ed4. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

Harvey's Legal Agent Benchmark: Overall · Task fully resolved (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 0
Bewertung: 0
Messgröße: task resolution rate
Einheit: %
Benchmark-Version: 1
Kategorie: legal
Aufgabe: overall
Aufgabenbezeichnung: Overall · Task fully resolved
Richtung: Mehr ist besser
Vergleichskohorte: vals-legal-agent-benchmark:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 1508.281. Kosten je Aufgabe in USD: 0.351359. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-hlab-2026-09-04-211eab6c865f. Prüfsumme der Quelldaten: 211eab6c865f7c6808000150de043c5f65dd420c200156b06c68b58057fbd685. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

Legal Research Bench: Overall · All-pass (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 15.865
Bewertung: 15.865
Messgröße: all-pass rate
Einheit: %
Benchmark-Version: 1
Kategorie: legal
Aufgabe: overall
Aufgabenbezeichnung: Overall · All-pass
Richtung: Mehr ist besser
Vergleichskohorte: vals-legal-research:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 1332.514. Kosten je Aufgabe in USD: 0.23035. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-legal_research-2026-09-04-80d740c3f3ef. Prüfsumme der Quelldaten: 80d740c3f3ef5ee9176f2a9280a1825407c4fa31cdf19be9b448989fcb3ee859. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

MedCode: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 39.316
Bewertung: 39.316
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: health
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-medcode:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 75.452. Kosten je Aufgabe in USD: 0.017275. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medcode-2026-09-04-c44942e3604f. Prüfsumme der Quelldaten: c44942e3604fa8eca13f660a1551cfa5ea9bbf9c67af141f41601402afceb569. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

MedQA: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 94.367
Bewertung: 94.367
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: health
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-medqa:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-04-16. Latenz in Sekunden: 41.628. Kosten je Aufgabe in USD: 0.006992. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medqa-2026-09-04-de083a524dbf. Prüfsumme der Quelldaten: de083a524dbf0fa1c2da5cf0a06bd001693d2426690681ffac4cd93ccf3fbeba. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

MedScribe: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 76.442
Bewertung: 76.442
Messgröße: accuracy
Einheit: %
Benchmark-Version: 1
Kategorie: health
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: vals-medscribe:1:overall
Quellentyp: independent-evaluator
Auswertung: Vals AI
Status: active
Abrufdatum: 2026-09-04
Methodik: Kennung des Quellmodells: kimi/kimi-k2.5-thinking. Name des Quellmodells: Kimi K2.5. Evaluator: Vals AI. Datensatztyp: private. Stand der Rangliste: 2026-09-03. Latenz in Sekunden: 147.155. Kosten je Aufgabe in USD: 0.02489. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-medscribe-2026-09-04-c86df6ced023. Prüfsumme der Quelldaten: c86df6ced023af4a251d97cf5f91df5f06151cd899b2529a2256d12e0656995a. Parserversion: vals-astro-v2. Importiert am: 2026-09-04

Quelle Vals AI

Eigene Modelltests

Community-Tests zum Anschauen

Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Kimi K2.5

Noch nicht getestet

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

Kimi K2.5

Veröffentlichte Benchmarks

Programmieren

Code Migration

IOI

LiveCodeBench v6

Finanzen

CorpFin v2

EMB

Finance Agent (v2)

GPQA Diamond

Recht

Harvey's Legal Agent Benchmark

Legal Research Bench

Gesundheit

MedCode

MedQA

MedScribe

Dokumentierte Messdetails

Community-Tests zum Anschauen

Pelikan auf dem Fahrrad

Technische Daten und Zugang

Weitere Quellenangaben

Veröffentlichte Preise

100 API-Anfragen

Dieses Modell im Vergleich

Quellen und Datenstand