#73 DeepSeek V3.2
medium- 成本
- $0.001
- 时间
- 53.6s
- 令牌
- 1,932 tok
DeepSeek: DeepSeek V3.2 vs MoonshotAI: Kimi K2.5
平均分几乎持平，为 7.0 vs 7.0。 DeepSeek V3.2 (medium) benchmark 成本更低，为 $0.078 vs $0.600。 DeepSeek V3.2 (medium) 更快，为 68.62s vs 99.00s，通过率为 65.2% vs 65.2%。
推荐模型DeepSeek V3.2 (medium)它在这里得分最高（7.0），同时成本比Kimi K2.5 (medium)低约 7.8 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17
| 指标 | DeepSeek V3.2 DeepSeek V3.2 medium | Kimi K2.5 Kimi K2.5 medium |
|---|---|---|
| 分数 | 7.0 | 7.0 |
| 排名 | #73 | #74 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.4 | 7.0 |
| 测试正确 | ||
| 尝试通过率 | 65.2% | 65.2% |
| 不稳定测试 | 7 | 8 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 0.671 | 4.789 |
| 总成本 | $0.078 | $0.600 |
| 输入价格 | $0.269 / 1M | $0.571 / 1M |
| 输出价格 | $0.400 / 1M | $2.850 / 1M |
| 总输入令牌 | 101,047 | 118,448 |
| 输出令牌 | 11,834 | 62,124 |
| 推理令牌 | 117,014 | 165,243 |
| 响应时间（平均） | 68.62s | 99.00s |
| 响应时间（最大） | 376.10s | 281.00s |
| 响应时间（总计） | 1509.53s | 1485.04s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#74 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 8.2 | 7.9 | 83.3% | 1 | 24.23s | 448 | 3,247 | 6,953 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 6.0 | 7.2 | 55.6% | 1 | 248.68s | 5,717 | 649 | 52,014 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.3 | 5.8 | 83.3% | 1 | 79.92s | 76,997 | 5,219 | 24,229 | |
| Kimi K2.5 | 6.7 | 9.1 | 50.0% | 0 | 89.19s | 95,416 | 14,448 | 11,209 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 36.09s | 7,388 | 207 | 7,693 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 2.9 | 4.4 | 22.2% | 2 | 24.27s | 472 | 21 | 6,838 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.4 | 2.5 | 33.3% | 1 | 58.29s | 314 | 49 | 2,189 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 35.78s | 627 | 1,397 | 2,845 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.0 | 7.2 | 55.6% | 1 | 37.69s | 594 | 518 | 6,375 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 34.81s | 8,307 | 507 | 859 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 10.0 | 0.0% | 0 | 83.99s | 183 | 20 | 7,019 | |
| 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
Gemini 3.5 FlashnonevsKimi K2.5mediumDeepSeek V3.2mediumvsGemini 3.5 FlashnoneDeepSeek V4 PrononevsKimi K2.5mediumKimi K2.5mediumvsGPT-5.6 SolnoneDeepSeek V3.2mediumvsGPT-5.6 SolnoneKimi K2.5mediumvsStep 3.7 FlashhighKimi K2.5mediumvsGPT-5.5noneDeepSeek V3.2mediumvsQwen3.7 PlusnoneDeepSeek V3.2mediumvsStep 3.7 FlashhighDeepSeek V3.2mediumvsGPT-5.5noneKimi K2.5mediumvsQwen3.7 PlusnoneGemini 3.5 FlashminimalvsKimi K2.5medium