已对比模型

Claude Opus 5 (high) vs GPT-5.6 Sol (high) vs Kimi K3 (max) vs Gemini 3.6 Flash (medium) 基准对比Gemini 3.6 Flash (medium) 在分数上以 9.9 领先。 Claude Opus 5 (high) 在可靠性上以 10.0 领先。 Gemini 3.6 Flash (medium) 的总成本最低，为 $0.831。 Gemini 3.6 Flash (medium) 最快，为 10.11s。

推荐模型Gemini 3.6 Flash (medium)它在这里得分最高（9.9），同时成本比本次比较中的其他模型低约 2.9 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25

指标	Claude Opus 5 Claude Opus 5 high 发布日期: 2026-07-25	GPT-5.6 Sol GPT-5.6 Sol high 发布日期: 2026-07-09	Kimi K3 Kimi K3 max 发布日期: 2026-07-16	Gemini 3.6 Flash Gemini 3.6 Flash medium 发布日期: 2026-07-21

指标	Claude Opus 5 Claude Opus 5 high 发布日期: 2026-07-25	GPT-5.6 Sol GPT-5.6 Sol high 发布日期: 2026-07-09	Kimi K3 Kimi K3 max 发布日期: 2026-07-16	Gemini 3.6 Flash Gemini 3.6 Flash medium 发布日期: 2026-07-21
分数	9.2	9.4	8.0	9.9
排名	#11	#8	#40	#1
可靠性	10.0	10.0	9.1	10.0
一致性	9.6	8.9	9.5	9.6
测试正确
尝试通过率	84.9%	89.4%	75.8%	98.5%
不稳定测试	1	3	1	1
总运行次数	66	66	66	66
每个结果成本	15.747	6.852	19.446	3.955
总成本	$2.835	$1.234	$3.112	$0.831
输入价格	$5.000 / 1M	$5.000 / 1M	$3.000 / 1M	$1.500 / 1M
输出价格	$25.000 / 1M	$30.000 / 1M	$15.000 / 1M	$7.500 / 1M
总输入令牌	135,959	79,249	34,916	66,293
输出令牌	67,066	4,855	2,910	2,000
推理令牌	19,114	23,044	197,529	95,464
响应时间（平均）	20.44s	11.73s	122.48s	10.11s
响应时间（最大）	159.01s	54.79s	766.58s	68.03s
响应时间（总计）	449.68s	257.99s	2327.06s	222.33s

Hamster playing table tennis

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

#11 Claude Opus 5

high

成本: $0.265
时间: 144.5s
令牌: 10,741 tok

#8 GPT-5.6 Sol

high

成本: $0.151
时间: 201.9s
令牌: 5,100 tok

#40 MoonshotAI: Kimi K3

max

成本: $0.281
时间: 506.9s
令牌: 18,863 tok

#1 Gemini 3.6 Flash

medium

成本: $0.079
时间: 47.9s
令牌: 10,532 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	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 5	10.0	10.0	100.0%	0	5.91s	834	2,063	617
GPT-5.6 Sol	8.7	7.9	91.7%	1	3.39s	606	171	644
Kimi K3	10.0	10.0	100.0%	0	10.24s	1,638	496	2,629
Gemini 3.6 Flash	10.0	10.0	100.0%	0	2.34s	516	149	4,489

编程	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 5	10.0	10.0	100.0%	12.73s	10,590	7,547	1,721
GPT-5.6 Sol	10.0	10.0	100.0%	12.52s	7,302	404	5,656
Kimi K3	10.0	10.0	100.0%	325.79s	8,061	460	84,012
Gemini 3.6 Flash	10.0	10.0	100.0%	17.49s	8,136	474	40,157

综合	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 5	10.0	10.0	100.0%	31.11s	98,549	10,546	2,198
GPT-5.6 Sol	10.0	10.0	100.0%	24.99s	56,154	3,298	4,866
Kimi K3	6.5	10.0	50.0%	223.03s	12,792	399	20,460
Gemini 3.6 Flash	10.0	10.0	100.0%	42.07s	41,732	405	11,531

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 5	10.0	10.0	100.0%	0	4.22s	10,503	488	160
GPT-5.6 Sol	10.0	10.0	100.0%	0	1.16s	7,140	222	0
Kimi K3	7.3	5.8	83.3%	1	16.72s	7,839	354	2,606
Gemini 3.6 Flash	10.0	10.0	100.0%	0	4.26s	7,269	279	5,020

领域专项	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 5	3.6	7.2	22.2%	1	89.10s	975	43,065	13,078
GPT-5.6 Sol	5.3	7.2	44.4%	1	39.45s	619	62	9,556
Kimi K3	5.9	9.3	33.3%	0	490.14s	794	80	83,180
Gemini 3.6 Flash	8.2	7.2	88.9%	1	12.59s	651	12	20,611

通用智能	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 5	10.0	10.0	100.0%	3.79s	708	268	0
GPT-5.6 Sol	10.0	10.0	100.0%	4.40s	477	97	238
Kimi K3	10.0	10.0	100.0%	14.91s	732	191	871
Gemini 3.6 Flash	10.0	10.0	100.0%	3.32s	492	116	1,539

指令遵循	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 5	10.0	10.0	100.0%	4.78s	909	119	361
GPT-5.6 Sol	10.0	10.0	100.0%	2.73s	660	96	331
Kimi K3	10.0	10.0	100.0%	7.66s	1,179	147	1,119
Gemini 3.6 Flash	9.9	10.0	100.0%	2.77s	627	71	3,067

谜题求解	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 5	10.0	10.0	100.0%	4.66s	894	908	524
GPT-5.6 Sol	10.0	10.0	100.0%	4.10s	642	211	675
Kimi K3	10.0	10.0	100.0%	7.36s	1,416	495	1,368
Gemini 3.6 Flash	10.0	10.0	100.0%	2.53s	576	259	3,373

工具调用	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 5	10.0	10.0	100.0%	8.44s	11,739	354	0
GPT-5.6 Sol	10.0	10.0	100.0%	7.08s	5,454	264	393
Kimi K3	3.0	10.0	0.0%	0ms	0	0	0
Gemini 3.6 Flash	10.0	10.0	100.0%	8.55s	6,132	225	3,020

常识问答	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 5	3.0	10.0	0.0%	0	14.14s	258	1,708	455
GPT-5.6 Sol	4.7	1.6	66.7%	1	6.97s	195	30	685
Kimi K3	3.0	10.0	0.0%	0	19.67s	465	288	1,284
Gemini 3.6 Flash	10.0	10.0	100.0%	0	5.09s	162	10	2,657

快速对比

切换对比组合

Kimi K3maxvsGPT-5.6 Terrahigh Claude Opus 5highvsGemini 3.1 Pro Previewmedium Kimi K3maxvsInklingmedium Gemini 3.6 FlashlowvsGPT-5.6 Solhigh Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGLM 5.2high Kimi K3maxvsQwen3.7 Plusmedium Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsStep 3.7 Flashmedium Claude Opus 5highvsGPT-5.5low Kimi K3maxvsInklinghigh Gemini 3.5 Flash-LitehighvsKimi K3max