导航
AI BENCHY
Advertise here

AI BENCHY 对比

DeepSeek: DeepSeek V3.2 vs MoonshotAI: Kimi K2.6

摘要

Kimi K2.6 平均分领先,为 5.8 vs 5.0DeepSeek V3.2 benchmark 成本更低,为 $0.054 vs $0.233DeepSeek V3.2 更快,为 18.25s vs 19.58s,通过率为 37.9% vs 34.9%

推荐模型Kimi K2.6它在本次比较中得分最高(5.8),并且在全部 2 个模型中兼顾成本和响应时间最好。

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 none 发布日期: 2025-12-01 Kimi K2.6 Kimi K2.6 none 发布日期: 2026-04-20
分数 5.0 5.8
排名 #165 #131
可靠性 10.0 10.0
一致性 7.7 9.3
测试正确
尝试通过率 37.9% 34.9%
不稳定测试 6 2
总运行次数 66 66
每个结果成本 0.870 3.199
总成本 $0.054 $0.233
输入价格 $0.269 / 1M $0.950 / 1M
输出价格 $0.400 / 1M $4.000 / 1M
总输入令牌 135,780 116,970
输出令牌 42,097 30,253
推理令牌 0 0
响应时间(平均) 18.25s 19.58s
响应时间(最大) 115.89s 238.89s
响应时间(总计) 401.60s 430.85s

生成展示

Hamster playing table tennis

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

#165 DeepSeek V3.2

none
成本
$0.002
时间
7.0s
令牌
1,046 tok

#131 MoonshotAI: Kimi K2.6

none
成本
$0.020
时间
127.4s
令牌
4,429 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

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 3.1 6.9 11.1% 1 14.54s 7,279 4,528 0
Kimi K2.6 5.5 9.8 33.3% 0 82.57s 5,986 14,754 0

快速对比

切换对比组合