AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs MoonshotAI: Kimi K3

Resumen

Claude Opus 4.8 (medium) lidera en puntuación media con 8.8 vs 8.5. Claude Opus 4.8 (medium) tiene menor coste de benchmark con $1.107 vs $3.112. Claude Opus 4.8 (medium) es más rápido con 9.72s vs 122.48s, con tasas de acierto de 84.1% vs 82.5%.

Modelo recomendadoClaude Opus 4.8 (medium)Tiene la mejor puntuación aquí (8.8) y cuesta aproximadamente 2.8x menos que Kimi K3 (max).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-16

Métrica	Claude Opus 4.8 Claude Opus 4.8 medium Lanzamiento: 2026-05-28	Kimi K3 Kimi K3 max Lanzamiento: 2026-07-16

Métrica	Claude Opus 4.8 Claude Opus 4.8 medium Lanzamiento: 2026-05-28	Kimi K3 Kimi K3 max Lanzamiento: 2026-07-16
Puntuación	8.8	8.5
Rango	#16	#21
Fiabilidad	10.0	9.4
Consistencia	9.6	9.2
Pruebas correctas
Tasa de aciertos por intento	84.1%	82.5%
Pruebas inestables	1	2
Ejecuciones totales	63	63
Costo por resultado	6.512	19.446
Costo total	$1.107	$3.112
Precio de entrada	$5.000 / 1M	$3.000 / 1M
Precio de salida	$25.000 / 1M	$15.000 / 1M
Total de tokens de entrada	61,007	34,916
Tokens de salida	26,495	2,910
Tokens de razonamiento	5,901	197,529
Tiempo de respuesta (promedio)	9.72s	122.48s
Tiempo de respuesta (máximo)	38.03s	766.58s
Tiempo de respuesta (total)	204.19s	2327.06s

Generación showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#16 Claude Opus 4.8

medium

Coste: $0.057
Tiempo: 23.1s
Tokens: 2,412 tok

#21 MoonshotAI: Kimi K3

max

Coste: $0.281
Tiempo: 506.9s
Tokens: 18,863 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	834	1,179	478
Kimi K3	10.0	10.0	100.0%	0		10.24s	1,638	496	2,629

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
Kimi K3	10.0	10.0	100.0%	0		325.79s	8,061	460	84,012

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	9.8	10.0	100.0%	0		38.03s	23,561	5,260	1,588
Kimi K3	10.0	10.0	100.0%	0		223.03s	12,792	399	20,460

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	7.1	5.6	83.3%	1		12.29s	10,503	481	312
Kimi K3	7.3	5.8	83.3%	1		16.72s	7,839	354	2,606

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	5.3	10.0	33.3%	0		14.59s	975	7,477	900
Kimi K3	5.9	7.2	55.6%	1		490.14s	794	80	83,180

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		2.46s	708	237	0
Kimi K3	10.0	10.0	100.0%	0		14.91s	732	191	871

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		3.32s	909	373	320
Kimi K3	10.0	10.0	100.0%	0		7.66s	1,179	147	1,119

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	894	791	483
Kimi K3	10.0	10.0	100.0%	0		7.36s	1,416	495	1,368

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		8.96s	11,775	301	225
Kimi K3	3.0	10.0	0.0%	0		0ms	0	0	0

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	3.0	10.0	0.0%	0		6.14s	258	451	214
Kimi K3	3.0	10.0	0.0%	0		19.67s	465	288	1,284

Comparación rápida

Cambiar par de comparación

Kimi K3maxvsGPT-5 Minimedium Kimi K3maxvsGLM 5medium Kimi K3maxvsGPT-5.4medium Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsStep 3.7 Flashmedium Claude Opus 4.8mediumvsMuse Spark 1.1low Kimi K3maxvsGLM 5.2medium Kimi K3maxvsGPT-5.2medium Claude Opus 4.7mediumvsKimi K3max Kimi K3maxvsGrok 4.5medium Muse Spark 1.1lowvsKimi K3max