AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs MoonshotAI: Kimi K3

摘要

Claude Opus 4.8 (medium) 平均分领先，为 8.8 vs 8.5。 Claude Opus 4.8 (medium) benchmark 成本更低，为 $1.107 vs $3.112。 Claude Opus 4.8 (medium) 更快，为 9.72s vs 122.48s，通过率为 84.1% vs 82.5%。

推荐模型Claude Opus 4.8 (medium)它在这里得分最高（8.8），同时成本比Kimi K3 (max)低约 2.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-16

指标	Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28	Kimi K3 Kimi K3 max 发布日期: 2026-07-16

指标	Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28	Kimi K3 Kimi K3 max 发布日期: 2026-07-16
分数	8.8	8.5
排名	#16	#21
可靠性	10.0	9.4
一致性	9.6	9.2
测试正确
尝试通过率	84.1%	82.5%
不稳定测试	1	2
总运行次数	63	63
每个结果成本	6.512	19.446
总成本	$1.107	$3.112
输入价格	$5.000 / 1M	$3.000 / 1M
输出价格	$25.000 / 1M	$15.000 / 1M
总输入令牌	61,007	34,916
输出令牌	26,495	2,910
推理令牌	5,901	197,529
响应时间（平均）	9.72s	122.48s
响应时间（最大）	38.03s	766.58s
响应时间（总计）	204.19s	2327.06s

生成展示

Hamster playing table tennis

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

#16 Claude Opus 4.8

medium

成本: $0.057
时间: 23.1s
令牌: 2,412 tok

#21 MoonshotAI: Kimi K3

max

成本: $0.281
时间: 506.9s
令牌: 18,863 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

类别:

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		3.95s	834	1,179	478
Kimi K3	10.0	10.0	100.0%	0		10.24s	1,638	496	2,629

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	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

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		38.03s	23,561	5,260	1,588
Kimi K3	10.0	10.0	100.0%	0		223.03s	12,792	399	20,460

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	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

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		14.59s	975	7,477	900
Kimi K3	5.9	7.2	55.6%	1		490.14s	794	80	83,180

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		2.46s	708	237	0
Kimi K3	10.0	10.0	100.0%	0		14.91s	732	191	871

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	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

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		3.95s	894	791	483
Kimi K3	10.0	10.0	100.0%	0		7.36s	1,416	495	1,368

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		8.96s	11,775	301	225
Kimi K3	3.0	10.0	0.0%	0		0ms	0	0	0

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		6.14s	258	451	214
Kimi K3	3.0	10.0	0.0%	0		19.67s	465	288	1,284

快速对比

切换对比组合

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