#25 Gemini 2.5 Flash
medium
无效SVG
- 成本
- $0.000
- 时间
- 274.0s
- 令牌
- 0 tok
Google: Gemini 2.5 Flash vs MoonshotAI: Kimi K3
Gemini 2.5 Flash (medium) 平均分领先，为 8.2 vs 8.0。 Gemini 2.5 Flash (medium) benchmark 成本更低，为 $0.643 vs $3.112。 Gemini 2.5 Flash (medium) 更快，为 21.18s vs 122.48s，通过率为 71.2% vs 75.8%。
推荐模型Gemini 2.5 Flash (medium)它在这里得分最高（8.2），同时成本比Kimi K3 (max)低约 4.8 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17
| 指标 | Gemini 2.5 Flash Gemini 2.5 Flash medium | Kimi K3 Kimi K3 max |
|---|---|---|
| 分数 | 8.2 | 8.0 |
| 排名 | #25 | #31 |
| 可靠性 | 10.0 | 9.1 |
| 一致性 | 9.6 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 71.2% | 75.8% |
| 不稳定测试 | 1 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 4.286 | 19.446 |
| 总成本 | $0.643 | $3.112 |
| 输入价格 | $0.300 / 1M | $3.000 / 1M |
| 输出价格 | $2.500 / 1M | $15.000 / 1M |
| 总输入令牌 | 132,498 | 34,916 |
| 输出令牌 | 12,739 | 2,910 |
| 推理令牌 | 228,464 | 197,529 |
| 响应时间（平均） | 21.18s | 122.48s |
| 响应时间（最大） | 140.50s | 766.58s |
| 响应时间（总计） | 465.89s | 2327.06s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#31 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
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 8.4 | 10.0 | 75.0% | 0 | 6.30s | 492 | 255 | 10,233 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 7.8 | 10.0 | 66.7% | 0 | 41.01s | 6,669 | 543 | 32,303 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 84.47s | 110,544 | 11,112 | 95,241 | |
| Kimi K3 | 6.5 | 10.0 | 50.0% | 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.06s | 7,257 | 279 | 2,325 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 5.9 | 7.2 | 55.6% | 1 | 37.34s | 633 | 18 | 80,702 | |
| Kimi K3 | 5.9 | 9.3 | 33.3% | 0 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 4.8 | 10.0 | 0.0% | 0 | 4.86s | 486 | 92 | 1,899 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 9.8 | 10.0 | 100.0% | 0 | 2.62s | 615 | 69 | 1,203 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 3.18s | 558 | 126 | 2,499 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.20s | 5,088 | 234 | 1,140 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 2.76s | 156 | 11 | 919 | |
| 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-5.6 TerrahighGemini 2.5 FlashmediumvsMuse Spark 1.1lowSeed-2.0-LitemediumvsKimi K3maxKimi K3maxvsGLM 5.2highKimi K3maxvsQwen3.7 PlusmediumKimi K3maxvsGPT-5.2 ChatnoneKimi K3maxvsStep 3.7 FlashmediumKimi K3maxvsQwen3.6 PlusmediumKimi K3maxvsGLM 5.2mediumMuse Spark 1.1highvsKimi K3maxKimi K3maxvsGPT-5.6 TerramediumClaude Sonnet 4.6mediumvsKimi K3max