AI BENCHY 对比

DeepSeek: DeepSeek V4 Flash vs MoonshotAI: Kimi K3

摘要

Kimi K3 (max) 平均分领先，为 8.5 vs 8.3。 DeepSeek V4 Flash (high) benchmark 成本更低，为 $0.029 vs $3.112。 DeepSeek V4 Flash (high) 更快，为 45.85s vs 122.48s，通过率为 74.6% vs 82.5%。

推荐模型DeepSeek V4 Flash (high)它的得分接近这里的最高分（8.3 vs 8.5），同时成本比Kimi K3 (max)低约 109.4 倍。

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

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Kimi K3 Kimi K3 max 发布日期: 2026-07-16

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Kimi K3 Kimi K3 max 发布日期: 2026-07-16
分数	8.3	8.5
排名	#30	#21
可靠性	10.0	9.4
一致性	8.5	9.2
测试正确
尝试通过率	74.6%	82.5%
不稳定测试	4	2
总运行次数	63	63
每个结果成本	0.299	19.446
总成本	$0.029	$3.112
输入价格	$0.098 / 1M	$3.000 / 1M
输出价格	$0.196 / 1M	$15.000 / 1M
总输入令牌	39,745	34,916
输出令牌	10,310	2,910
推理令牌	123,501	197,529
响应时间（平均）	45.85s	122.48s
响应时间（最大）	218.13s	766.58s
响应时间（总计）	962.79s	2327.06s

生成展示

Hamster playing table tennis

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

#30 DeepSeek V4 Flash

high

成本: $0.003
时间: 93.1s
令牌: 7,926 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
DeepSeek V4 Flash	8.3	10.0	75.0%	0		28.51s	540	140	7,770
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
DeepSeek V4 Flash	7.8	10.0	66.7%	0		50.60s	7,279	395	34,862
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
DeepSeek V4 Flash	10.0	10.0	100.0%	0		76.57s	14,016	465	7,347
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
DeepSeek V4 Flash	10.0	10.0	100.0%	0		28.03s	7,290	201	1,179
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
DeepSeek V4 Flash	4.1	4.4	44.5%	2		100.31s	666	27	59,249
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
DeepSeek V4 Flash	6.1	3.1	66.7%	1		25.15s	471	79	632
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
DeepSeek V4 Flash	10.0	10.0	100.0%	0		15.36s	627	63	1,622
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
DeepSeek V4 Flash	8.2	7.2	88.9%	1		26.11s	594	196	1,767
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
DeepSeek V4 Flash	10.0	10.0	100.0%	0		74.73s	8,079	228	542
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
DeepSeek V4 Flash	3.0	10.0	0.0%	0		54.46s	183	8,516	8,531
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

Kimi K3maxvsGPT-5 Minimedium Kimi K3maxvsGLM 5medium Kimi K3maxvsGPT-5.4medium DeepSeek V4 FlashhighvsGemini 2.5 Flashmedium Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsStep 3.7 Flashmedium DeepSeek V4 FlashhighvsGrok 4.5medium DeepSeek V4 FlashhighvsQwen3.7 Plusmedium DeepSeek V4 FlashhighvsGPT-5.2medium Kimi K3maxvsGLM 5.2medium DeepSeek V4 FlashhighvsNemotron 3 Ultra 550b A55bmedium免费可用