AI BENCHY 对比
Mistral: Mistral Small 4 vs MoonshotAI: Kimi K2.5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-01
| 指标 | Mistral Small 4 Mistral Small 4 none | Kimi K2.5 Kimi K2.5 none |
|---|---|---|
| 分数 | 5.2 | 5.5 |
| 排名 | #115 | #102 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 9.5 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 31.5% | 40.7% |
| 不稳定测试 | 1 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.118 | 0.271 |
| 总成本 | $0.006 | $0.017 |
| ???? | $0.150 / 1M | $0.440 / 1M |
| ???? | $0.600 / 1M | $2.000 / 1M |
| 输出令牌 | 2,207 | 2,659 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 665ms | 13.37s |
| 响应时间（最大） | 1.72s | 42.13s |
| 响应时间（总计） | 11.97s | 147.05s |
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 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 3.4 | 7.9 | 16.7% | 1 | 395ms | 182 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 4.5 | 9.0 | 0.0% | 0 | 1.28s | 583 | 0 | |
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 38.78s | 649 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 3.0 | 10.0 | 0.0% | 0 | 1.72s | 496 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 10.0 | 10.0 | 100.0% | 0 | 822ms | 261 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 5.3 | 10.0 | 33.3% | 0 | 367ms | 28 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 4.0 | 10.0 | 0.0% | 0 | 729ms | 205 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 6.5 | 10.0 | 50.0% | 0 | 380ms | 69 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 3.1 | 9.9 | 0.0% | 0 | 589ms | 170 | 0 | |
| Kimi K2.5 | 3.1 | 10.0 | 0.0% | 0 | 4.73s | 317 | 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 |
|---|---|---|---|---|---|---|---|---|
| Mistral Small 4 | 10.0 | 10.0 | 100.0% | 0 | 1.40s | 213 | 0 | |
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 13.99s | 220 | 0 |
快速对比
切换对比组合
Mistral Small 4nonevsNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用Mistral Small 4nonevsElephant AlphamediumMiniMax M2.7mediumvsMistral Small 4noneMiniMax M2.5medium免费可用vsKimi K2.5noneMistral Small 4mediumvsKimi K2.5noneMiniMax M2.7mediumvsKimi K2.5noneKimi K2.5nonevsOwl AlphamediumKimi K2.5nonevsgpt-oss-120bmedium免费可用Kimi K2.5nonevsElephant AlphamediumMistral Small 4nonevsQwen3 Coder NextmediumKimi K2.5nonevsNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用MiniMax M2.5medium免费可用vsMistral Small 4none