AI BENCHY 对比

ByteDance Seed: Seed-2.0-Lite vs MoonshotAI: Kimi K3

摘要

Kimi K3 (max) 平均分领先，为 8.5 vs 8.5。 Seed-2.0-Lite (medium) benchmark 成本更低，为 $0.175 vs $3.112。 Seed-2.0-Lite (medium) 更快，为 47.07s vs 122.48s，通过率为 76.2% vs 82.5%。

推荐模型Seed-2.0-Lite (medium)它的得分接近这里的最高分（8.5 vs 8.5），同时成本比Kimi K3 (max)低约 17.8 倍。

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

指标	Seed-2.0-Lite Seed-2.0-Lite medium 发布日期: 2026-02-14	Kimi K3 Kimi K3 max 发布日期: 2026-07-16

指标	Seed-2.0-Lite Seed-2.0-Lite medium 发布日期: 2026-02-14	Kimi K3 Kimi K3 max 发布日期: 2026-07-16
分数	8.5	8.5
排名	#24	#21
可靠性	10.0	9.4
一致性	9.0	9.2
测试正确
尝试通过率	76.2%	82.5%
不稳定测试	3	2
总运行次数	63	63
每个结果成本	1.250	19.446
总成本	$0.175	$3.112
输入价格	$0.250 / 1M	$3.000 / 1M
输出价格	$2.000 / 1M	$15.000 / 1M
总输入令牌	46,740	34,916
输出令牌	3,230	2,910
推理令牌	78,406	197,529
响应时间（平均）	47.07s	122.48s
响应时间（最大）	254.92s	766.58s
响应时间（总计）	988.37s	2327.06s

生成展示

Hamster playing table tennis

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

#24 Seed-2.0-Lite

medium

成本: $0.005
时间: 86.7s
令牌: 2,354 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
Seed-2.0-Lite	8.3	10.0	75.0%	0		17.99s	942	996	7,142
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
Seed-2.0-Lite	8.0	9.8	66.7%	0		156.74s	8,247	458	31,890
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
Seed-2.0-Lite	10.0	10.0	100.0%	0		37.67s	16,254	506	4,299
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
Seed-2.0-Lite	10.0	10.0	100.0%	0		9.07s	8,562	246	1,742
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
Seed-2.0-Lite	5.9	7.2	55.6%	1		88.74s	843	15	23,897
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
Seed-2.0-Lite	6.7	3.6	66.7%	1		18.25s	582	304	1,620
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
Seed-2.0-Lite	10.0	10.0	100.0%	0		7.26s	834	71	1,480
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
Seed-2.0-Lite	9.0	7.9	88.9%	1		10.23s	894	403	3,285
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
Seed-2.0-Lite	10.0	10.0	100.0%	0		12.38s	9,306	222	1,011
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
Seed-2.0-Lite	3.0	10.0	0.0%	0		48.32s	276	9	2,040
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

Seed-2.0-LitemediumvsGPT-5.2 Chatnone Kimi K3maxvsGPT-5 Minimedium Kimi K3maxvsGLM 5medium Kimi K3maxvsGPT-5.4medium 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 Seed-2.0-LitemediumvsDeepSeek V4 Flashhigh Muse Spark 1.1lowvsKimi K3max