AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs MoonshotAI: Kimi K3

Сводка

Claude Opus 4.8 (medium) лидирует по среднему баллу: 8.8 vs 8.5. Claude Opus 4.8 (medium) имеет более низкую стоимость benchmark: $1.107 vs $3.112. Claude Opus 4.8 (medium) быстрее: 9.72s vs 122.48s, с долей успешных попыток 84.1% vs 82.5%.

Рекомендуемая модельClaude Opus 4.8 (medium)Здесь у него лучший балл (8.8), при этом он примерно в 2.8 раза дешевле, чем Kimi K3 (max).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-16

Метрика	Claude Opus 4.8 Claude Opus 4.8 medium Релиз: 2026-05-28	Kimi K3 Kimi K3 max Релиз: 2026-07-16

Метрика	Claude Opus 4.8 Claude Opus 4.8 medium Релиз: 2026-05-28	Kimi K3 Kimi K3 max Релиз: 2026-07-16
Оценка	8.8	8.5
Ранг	#16	#21
Надежность	10.0	9.4
Стабильность	9.6	9.2
Тестов верно
Доля успешных попыток	84.1%	82.5%
Нестабильные тесты	1	2
Всего запусков	63	63
Стоимость за результат	6.512	19.446
Общая стоимость	$1.107	$3.112
Цена входа	$5.000 / 1M	$3.000 / 1M
Цена выхода	$25.000 / 1M	$15.000 / 1M
Общее число входных токенов	61,007	34,916
Выходные токены	26,495	2,910
Токены рассуждений	5,901	197,529
Время ответа (среднее)	9.72s	122.48s
Время ответа (макс.)	38.03s	766.58s
Время ответа (суммарно)	204.19s	2327.06s

Генерация showcase

Hamster playing table tennis

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

#16 Claude Opus 4.8

medium

Стоимость: $0.057
Время: 23.1s
Токены: 2,412 tok

#21 MoonshotAI: Kimi K3

max

Стоимость: $0.281
Время: 506.9s
Токены: 18,863 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
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

Быстрое сравнение

Сменить пару сравнения

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