AI BENCHY 对比

Google: Gemini 3 Flash Preview vs MoonshotAI: Kimi K2.5

摘要

Gemini 3 Flash Preview vs Kimi K2.5 benchmark 对比：Kimi K2.5 平均分领先，为 7.5 vs 7.4。 Gemini 3 Flash Preview benchmark 成本更低，为 $0.111 vs $0.328。 Gemini 3 Flash Preview 更快，为 5.76s vs 98.43s，通过率为 79.4% vs 68.3%。

推荐模型: Gemini 3 Flash Preview - 它的得分接近这里的最高分（7.4 vs 7.5），同时成本比Kimi K2.5低约 3.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标	Gemini 3 Flash Preview Gemini 3 Flash Preview low 发布日期: 2025-12-17	Kimi K2.5 Kimi K2.5 medium 发布日期: 2026-01-27

指标	Gemini 3 Flash Preview Gemini 3 Flash Preview low 发布日期: 2025-12-17	Kimi K2.5 Kimi K2.5 medium 发布日期: 2026-01-27
分数	7.4	7.5
排名	#53	#45
可靠性	10.0	10.0
一致性	9.2	6.9
测试正确
尝试通过率	79.4%	68.3%
不稳定测试	2	8
总运行次数	63	63
每个结果成本	0.689	3.704
总成本	$0.111	$0.328
输入价格	$0.500 / 1M	$0.400 / 1M
输出价格	$3.000 / 1M	$1.900 / 1M
总输入令牌	36,769	34,312
输出令牌	2,076	48,379
推理令牌	28,518	157,747
响应时间（平均）	5.76s	98.43s
响应时间（最大）	14.72s	281.00s
响应时间（总计）	120.93s	1378.03s

Generation showcase

Hamster playing table tennis

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

#53 Gemini 3 Flash Preview

low

Cost: $0.007
Time: 12.1s
Tokens: 2,289 tok

#45 MoonshotAI: Kimi K2.5

medium

Cost: $0.030
Time: 58.6s
Tokens: 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
Gemini 3 Flash Preview	10.0	10.0	100.0%	0		3.48s	500	281	3,082
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
Gemini 3 Flash Preview	5.8	7.2	44.4%	1		6.00s	8,122	456	7,421
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
Gemini 3 Flash Preview	3.0	10.0	0.0%	0		3.27s	12,860	326	0
Kimi K2.5	10.0	10.0	100.0%	0		71.37s	11,280	703	3,713

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 3 Flash Preview	10.0	10.0	100.0%	0		9.40s	7,261	279	3,656
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
Gemini 3 Flash Preview	5.3	7.2	44.4%	1		8.05s	645	12	6,410
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
Gemini 3 Flash Preview	10.0	10.0	100.0%	0		3.68s	492	120	981
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
Gemini 3 Flash Preview	9.9	10.0	100.0%	0		7.02s	621	71	2,752
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
Gemini 3 Flash Preview	10.0	10.0	100.0%	0		5.77s	562	288	3,168
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
Gemini 3 Flash Preview	10.0	10.0	100.0%	0		4.99s	5,550	234	415
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
Gemini 3 Flash Preview	10.0	10.0	100.0%	0		2.75s	156	9	633
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