AI BENCHY Compare

MoonshotAI: Kimi K3 vs OpenAI: GPT-5.4

Rezumat

Scorul mediu este practic egal la 8.5 vs 8.5. GPT-5.4 (medium) are costul de benchmark mai mic, $1.210 vs $3.112. GPT-5.4 (medium) este mai rapid cu 22.35s vs 122.48s, cu rate de reușită de 82.5% vs 76.2%.

Model recomandatGPT-5.4 (medium)Are cel mai bun scor aici (8.5) și costă de aproximativ 2.6x mai puțin decât Kimi K3 (max).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-16

Metrică	Kimi K3 Kimi K3 max Lansare: 2026-07-16	GPT-5.4 GPT-5.4 medium Lansare: 2026-03-05

Metrică	Kimi K3 Kimi K3 max Lansare: 2026-07-16	GPT-5.4 GPT-5.4 medium Lansare: 2026-03-05
Scor	8.5	8.5
Rang	#21	#23
Fiabilitate	9.4	10.0
Consistență	9.2	8.6
Teste corecte
Rată de trecere pe încercare	82.5%	76.2%
Teste instabile	2	4
Rulări totale	63	63
Cost per rezultat	19.446	8.640
Cost total	$3.112	$1.210
Preț de intrare	$3.000 / 1M	$2.500 / 1M
Preț de ieșire	$15.000 / 1M	$15.000 / 1M
Total tokenuri de intrare	34,916	34,108
Tokenuri de ieșire	2,910	2,242
Tokenuri de raționament	197,529	72,707
Timp de răspuns (mediu)	122.48s	22.35s
Timp de răspuns (maxim)	766.58s	100.41s
Timp de răspuns (total)	2327.06s	469.29s

Prezentare generare

Hamster playing table tennis

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

#21 MoonshotAI: Kimi K3

max

Cost: $0.281
Timp: 506.9s
Tokenuri: 18,863 tok

#23 GPT-5.4

medium

Cost: $0.214
Timp: 199.6s
Tokenuri: 14,349 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Categorie:

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K3	10.0	10.0	100.0%	0		10.24s	1,638	496	2,629
GPT-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K3	10.0	10.0	100.0%	0		325.79s	8,061	460	84,012
GPT-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K3	10.0	10.0	100.0%	0		223.03s	12,792	399	20,460
GPT-5.4	10.0	10.0	100.0%	0		20.57s	11,019	301	3,543

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K3	7.3	5.8	83.3%	1		16.72s	7,839	354	2,606
GPT-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K3	5.9	7.2	55.6%	1		490.14s	794	80	83,180
GPT-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K3	10.0	10.0	100.0%	0		14.91s	732	191	871
GPT-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K3	10.0	10.0	100.0%	0		7.66s	1,179	147	1,119
GPT-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K3	10.0	10.0	100.0%	0		7.36s	1,416	495	1,368
GPT-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K3	3.0	10.0	0.0%	0		0ms	0	0	0
GPT-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Kimi K3	3.0	10.0	0.0%	0		19.67s	465	288	1,284
GPT-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821

Comparație rapidă

Schimbă perechea de comparație

Kimi K3maxvsGPT-5 Minimedium Kimi K3maxvsGLM 5medium Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsStep 3.7 Flashmedium Kimi K3maxvsGLM 5.2medium Kimi K3maxvsGPT-5.2medium Claude Opus 4.7mediumvsKimi K3max Kimi K3maxvsGrok 4.5medium Muse Spark 1.1lowvsKimi K3max Muse Spark 1.1lowvsGPT-5.4medium DeepSeek V4 FlashhighvsGPT-5.4medium