AI BENCHY 对比
DeepSeek: DeepSeek V3.2 vs MoonshotAI: Kimi K2.5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-26
| 指标 | DeepSeek V3.2 DeepSeek V3.2 none | Kimi K2.5 Kimi K2.5 none |
|---|---|---|
| 分数 | 5.7 | 5.3 |
| 排名 | #109 | #128 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.3 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 48.3% | 36.7% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 98 | 98 |
| 每个结果成本 | 0.246 | 0.447 |
| 总成本 | $0.020 | $0.027 |
| ???? | $0.252 / 1M | $0.400 / 1M |
| ???? | $0.378 / 1M | $1.900 / 1M |
| 输出令牌 | 14,503 | 6,767 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 14.43s | 14.06s |
| 响应时间（最大） | 115.89s | 42.13s |
| 响应时间（总计） | 288.55s | 182.72s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.3 | 8.2 | 12.5% | 1 | 9.35s | 1,073 | 0 | |
| Kimi K2.5 | 3.6 | 8.4 | 8.3% | 1 | 6.24s | 373 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.1 | 5.4 | 16.7% | 1 | 20.87s | 4,522 | 0 | |
| Kimi K2.5 | 6.8 | 10.0 | 50.0% | 0 | 35.97s | 4,704 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 6.5 | 10.0 | 0.0% | 0 | 115.89s | 2,887 | 0 | |
| Kimi K2.5 | 2.8 | 2.1 | 33.3% | 1 | 19.16s | 748 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 6.3 | 5.8 | 66.7% | 1 | 9.42s | 1,710 | 0 | |
| Kimi K2.5 | 7.3 | 5.8 | 83.3% | 1 | 42.13s | 187 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 6.9 | 16.7% | 1 | 4.17s | 21 | 0 | |
| Kimi K2.5 | 5.3 | 10.0 | 33.3% | 0 | 4.38s | 29 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 7.6 | 10.0 | 100.0% | 0 | 9.32s | 43 | 0 | |
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 4.00s | 76 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 1.52s | 66 | 0 | |
| Kimi K2.5 | 6.5 | 10.0 | 50.0% | 0 | 2.67s | 60 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 8.9 | 10.0 | 100.0% | 0 | 6.91s | 3,642 | 0 | |
| Kimi K2.5 | 3.0 | 10.0 | 0.0% | 0 | 4.04s | 350 | 0 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 10.0 | 10.0 | 100.0% | 0 | 11.85s | 522 | 0 | |
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 13.99s | 220 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V3.2 | 3.0 | 10.0 | 0.0% | 0 | 17.23s | 17 | 0 | |
| Kimi K2.5 | 3.0 | 10.0 | 0.0% | 0 | 3.90s | 20 | 0 |
快速对比
切换对比组合
Cobuddymedium免费可用vsDeepSeek V3.2noneMiniMax M2.7mediumvsKimi K2.5noneKimi K2.5nonevsElephant AlphamediumMistral Small 4mediumvsKimi K2.5noneDeepSeek V3.2nonevsOwl AlphamediumMiniMax M2.5medium免费可用vsKimi K2.5noneDeepSeek V3.2nonevsgpt-oss-120bmedium免费可用DeepSeek V3.2nonevsNemotron 3 Supermedium免费可用DeepSeek V3.2nonevsMiniMax M2.5medium免费可用DeepSeek V3.2nonevsMistral Small 4mediumDeepSeek V3.2nonevsElephant AlphamediumDeepSeek V3.2nonevsMiniMax M2.7medium