इस पेज पर
संक्षिप्त उत्तर
किमी K3 जटिल तर्क और लंबे एजेंट कार्यों के लिए परीक्षण के लायक है, जिसमें सहेजे गए स्नैपशॉट में स्वतंत्र विज्ञान और गणित के परिणाम उपलब्ध हैं। सटीक तर्क सेटिंग का मिलान करें और अपने मूल्यांकन का उपयोग करें। न तो कोई बड़ी संदर्भ विंडो और न ही लंबे समय तक चलने वाला प्रदर्शन आपके उत्पाद में भरोसेमंद पूर्णता साबित करता है।
क्या ले जाना है
- किमी ऐप, कोड और एपीआई तुलनाओं को अलग रखें।
- विज्ञान और गणित प्रतिशत विभिन्न कार्यों को मापते हैं।
- लंबी अवधि के दौरान सत्यापित प्रगति को मापें।
स्रोतों की जाँच की गई . अनुसंधान संश्लेषण और रूब्रेक्स सिफारिशें। उदाहरणों और स्थानीय प्रयोगों को लेबल किया गया है; वे ग्राहक परिणाम नहीं हैं.
एक दिनांकित मॉडल स्नैपशॉट। प्रकाशित मेट्रिक्स नामित मॉडल, सेटिंग्स और परीक्षण का वर्णन करते हैं। वे रूब्रेक्स प्रयोग या सार्वभौमिक रैंकिंग नहीं हैं। शोध तिथि के बाद कीमतें और उपलब्धता बदल सकती हैं।
मॉडलों की तुलना करें और डेटा दिनांक जांचें →किमी K3 को आसपास के उत्पादों से अलग करें
मूनशॉट एआई का किमी K3 तकनीकी लेख किमी उत्पादों और उसके एपीआई के माध्यम से उपलब्ध मॉडल का वर्णन करता है। वर्तमान किमी कोड दस्तावेज़ में K3 को अन्य मॉडल विकल्पों के साथ सूचीबद्ध किया गया है। किमी ऐप मोड, कोडिंग एजेंट और एपीआई मॉडल अलग-अलग सिस्टम हैं, भले ही वे एक ही अंतर्निहित परिवार का उपयोग करते हों। इसका मूल्यांकन करते समय सटीक मॉडल पहचानकर्ता, तर्क प्रयास, टूल हार्नेस और पहुंच मार्ग को रिकॉर्ड करें। अंतर बताए बिना संपूर्ण एजेंट उत्पाद की तुलना नंगे मॉडल कॉल से न करें।
साक्ष्य: किमी K3: ओपन फ्रंटियर इंटेलिजेंस [1]किमी कोड मॉडल कॉन्फ़िगरेशन [2]
दिनांकित विनिर्देशों के अनुसार क्षमता और लागत पढ़ें
सहेजे गए कैटलॉग में किमी K3 को संदर्भ के 1,048,576 टोकन और $3 प्रति मिलियन इनपुट टोकन और $15 प्रति मिलियन आउटपुट टोकन की आधार दरों के साथ सूचीबद्ध किया गया है। वे मान इस आलेख के लिए जाँचे गए कैटलॉग समापन बिंदु का वर्णन करते हैं, न कि किमी सदस्यता या स्वयं-होस्टेड परिनियोजन की कीमत का। हमारी अनुशंसा आपके कार्यभार के संपूर्ण अंशों से लागत का अनुमान लगाना है। लंबे कार्य पर्याप्त मध्यवर्ती आउटपुट, बार-बार संदर्भ और उपकरण गतिविधि जमा कर सकते हैं, भले ही अंतिम उत्तर छोटा हो।
साक्ष्य: ओपनराउटर सार्वजनिक मॉडल कैटलॉग [3]
| मॉडल या संपत्ति | प्रकाशित मूल्य | इसकी व्याख्या कैसे करें |
|---|---|---|
| मूनशोताई/किमी-के3 | $3 इनपुट / $15 आउटपुट | ओपनराउटर कैटलॉग आधार दरें |
| कैटलॉग संदर्भ | 1,048,576 टोकन | समापन बिंदु क्षमता, रिकॉल गारंटी नहीं |
विज्ञान और गणित की अलग-अलग तुलना करें
एपोच एआई के सहेजे गए जीपीक्यूए डायमंड परिणाम में विज्ञान के कठिन प्रश्नों को शामिल किया गया है, जबकि फ्रंटियरमैथ टियर 1-3 वी2 में पायथन एक्सेस के साथ गणित को शामिल किया गया है। नीचे दी गई दोनों पंक्तियाँ अधिकतम तर्क प्रयास में किमी K3 का उपयोग करती हैं, लेकिन प्रतिशत में अलग-अलग भाजक हैं और उन्हें एक सार्थक समग्र बुद्धिमत्ता स्कोर में औसत नहीं किया जा सकता है। मूनशॉट के स्वयं के बेंचमार्क फ़ुटनोट परीक्षणों में विभिन्न एजेंट हार्नेस का भी वर्णन करते हैं। प्रत्येक रिपोर्ट किए गए नंबर को एक समान प्रयोग के परिणाम के रूप में मानने के बजाय प्रदाता तुलना पढ़ते समय उन स्थितियों को संरक्षित रखें।
साक्ष्य: एपोच एआई: जीपीक्यूए डायमंड [4]एपोच एआई: फ्रंटियरमैथ टियर 1-3 वी2 [5]किमी K3: ओपन फ्रंटियर इंटेलिजेंस [1]
| बेंचमार्क | सटीक विन्यास | स्कोर | मानक त्रुटि | चलाने की तिथि |
|---|---|---|---|---|
| जीपीक्यूए डायमंड | किमी K3 (अधिकतम) | 93.12% | 1.49 प्रतिशत अंक | 2026-07-16 |
| फ्रंटियरमैथ टियर 1-3 वी2 | किमी K3 (अधिकतम) | 72.18% | 2.66 प्रतिशत अंक | 2026-07-17 |
उपयोगी दृढ़ता के लिए लंबे कार्यों का परीक्षण करें
एक लंबे समय तक चलने वाले एजेंट को सत्यापित प्रगति करनी चाहिए, न कि केवल उत्पादन गतिविधि जारी रखनी चाहिए। मध्यवर्ती चौकियों, उपकरण विफलताओं और स्पष्ट रोक स्थिति के साथ कार्य तैयार करें। निरीक्षण करें कि क्या किमी एक लापता परिणाम से उबर जाता है, एक अप्रभावी कार्रवाई को दोहराता है, या पर्यावरण की पुष्टि से पहले पूरा होने का दावा करता है। स्वीकृत पूर्णता, प्रति टूल कॉल प्रगति, कुल लागत और रुकावट के बाद वसूली को मापें। दस्तावेज़ कार्य के लिए, साक्ष्य-स्थान जांच और परस्पर विरोधी संस्करण जोड़ें। हार्नेस की मरम्मत का एक अलग रिकॉर्ड रखें ताकि मॉडल और सिस्टम योगदान अलग-अलग रहें।
साक्ष्य की सीमाएँ
रुब्रेक्स ने इन रनों को पुन: प्रस्तुत नहीं किया है या इस लेख में स्वयं-होस्टेड परिनियोजन को सत्यापित नहीं किया है। लॉन्च पोस्ट की वज़न-रिलीज़ योजनाओं का उपयोग वर्तमान डाउनलोड उपलब्धता या लाइसेंस शर्तों के प्रमाण के रूप में नहीं किया जाता है। कीमतें और स्वतंत्र परिणाम 25 सितंबर, 2026 का स्नैपशॉट हैं।
सामान्य प्रश्न
क्या हम समर्थन सटीकता का अनुमान लगाने के लिए इन अंकों का उपयोग कर सकते हैं?
नहीं, अपने दस्तावेज़ों और स्वीकृति रूब्रिक के साथ समर्थन कार्यों का मूल्यांकन करें। प्रकाशित विज्ञान और गणित परीक्षण विभिन्न क्षमताओं को कवर करते हैं।
किमी तुलना के लिए हमें क्या लॉग इन करना चाहिए?
मॉडल आईडी, उत्पाद या एपीआई, तर्क प्रयास, हार्नेस संस्करण, टूल बजट, स्वीकृत परिणाम, बीता हुआ समय और सभी बिल किए गए उपयोग को रिकॉर्ड करें।
स्रोत और आगे पढ़ना
इस ब्रीफिंग के पीछे प्राथमिक स्रोत। किसी स्रोत के निष्कर्ष उसकी अपनी अध्ययन स्थितियों पर लागू होते हैं; arXiv पर प्रकाशन सहकर्मी समीक्षा स्थापित नहीं करता है।
- किमी K3: ओपन फ्रंटियर इंटेलिजेंस मूनशॉट एआई · 2026 · प्रदाता तकनीकी लेखसमीक्षित: लॉन्च अवलोकन और बेंचमार्क हार्नेस फ़ुटनोट. पहुँच गया 25 सित॰ 2026.
- किमी कोड मॉडल कॉन्फ़िगरेशन मूनशॉट एआई · जीवित संदर्भ · दस्तावेज़ बनाए रखासमीक्षित: वर्तमान किमी कोड मॉडल विकल्प. पहुँच गया 25 सित॰ 2026.
- ओपनराउटर सार्वजनिक मॉडल कैटलॉग ओपनराउटर · जीवित संदर्भ · दस्तावेज़ बनाए रखासमीक्षित: कैटलॉग फ़ील्ड; संख्यात्मक कीमतें 25 सितंबर के सहेजे गए एपीआई स्नैपशॉट से ली गई हैं. पहुँच गया 25 सित॰ 2026.
- एपोच एआई: जीपीक्यूए डायमंड युग ए.आई · 2026 · स्वतंत्र बेंचमार्कसमीक्षित: बेंचमार्क परिभाषा और सहेजे गए आंतरिक मूल्यांकन रिकॉर्ड; सीसी बाय 4.0. पहुँच गया 25 सित॰ 2026.
- एपोच एआई: फ्रंटियरमैथ टियर 1-3 वी2 युग ए.आई · 2026 · स्वतंत्र बेंचमार्कसमीक्षित: बेंचमार्क परिभाषा और सहेजे गए आंतरिक मूल्यांकन रिकॉर्ड; सीसी बाय 4.0. पहुँच गया 25 सित॰ 2026.
प्रश्न या सुधार? रूब्रेक्स को लिखें. हमारा संपादकीय दृष्टिकोण पढ़ें.