AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs MoonshotAI: Kimi K2.5

摘要

Claude Opus 4.8 vs Kimi K2.5 benchmark 对比：Claude Opus 4.8 平均分领先，为 7.7 vs 7.5。 Kimi K2.5 benchmark 成本更低，为 $0.348 vs $1.270。 Claude Opus 4.8 更快，为 10.83s vs 98.43s，通过率为 79.4% vs 68.3%。

推荐模型: Claude Opus 4.8 - 它在这里得分最高（7.7），同时响应速度比Kimi K2.5快约 9.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-30

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Kimi K2.5 Kimi K2.5 medium 发布日期: 2026-01-27

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Kimi K2.5 Kimi K2.5 medium 发布日期: 2026-01-27
分数	7.7	7.5
排名	#38	#45
可靠性	10.0	10.0
一致性	8.8	6.9
测试正确
尝试通过率	79.4%	68.3%
不稳定测试	3	8
总运行次数	63	63
每个结果成本	8.466	3.704
总成本	$1.270	$0.348
输入价格	$5.000 / 1M	$0.375 / 1M
输出价格	$25.000 / 1M	$2.025 / 1M
总输入令牌	60,946	34,312
输出令牌	31,771	48,379
推理令牌	6,831	157,747
响应时间（平均）	10.83s	98.43s
响应时间（最大）	127.97s	281.00s
响应时间（总计）	227.39s	1378.03s

生成展示

Hamster playing table tennis

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

#38 Claude Opus 4.8

low

成本: $0.031
时间: 14.1s
令牌: 1,345 tok

#45 MoonshotAI: Kimi K2.5

medium

成本: $0.030
时间: 58.6s
令牌: 8,683 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Kimi K2.5	7.3	5.8	83.3%	2		51.38s	634	2,789	8,880

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Kimi K2.5	6.1	4.6	66.7%	2		217.49s	6,935	5,705	74,693

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Kimi K2.5	10.0	10.0	100.0%	0		71.37s	11,280	703	3,713

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Kimi K2.5	10.0	10.0	100.0%	0		49.78s	7,020	563	7,940

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Kimi K2.5	3.5	4.4	33.3%	2		137.29s	485	20,753	30,564

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Kimi K2.5	6.5	3.4	66.7%	1		69.73s	480	3,815	4,262

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Kimi K2.5	10.0	10.0	100.0%	0		92.47s	675	5,371	6,547

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Kimi K2.5	5.3	7.3	44.4%	1		43.23s	659	8,426	12,692

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Kimi K2.5	10.0	10.0	100.0%	0		31.74s	5,933	242	812

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Kimi K2.5	3.0	10.0	0.0%	0		83.95s	211	12	7,644

快速对比

切换对比组合