AI BENCHY 对比
MoonshotAI: Kimi K2.5 vs OpenAI: GPT-5.4 Mini
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | Kimi K2.5 Kimi K2.5 medium | GPT-5.4 Mini GPT-5.4 Mini medium |
|---|---|---|
| 分数 | 6.8 | 7.2 |
| 排名 | #76 | #67 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.0 | 7.9 |
| 测试正确 | ||
| 尝试通过率 | 68.4% | 68.4% |
| 不稳定测试 | 7 | 5 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 2.616 | 3.443 |
| 总成本 | $0.236 | $0.345 |
| ???? | $0.400 / 1M | $0.750 / 1M |
| ???? | $1.900 / 1M | $4.500 / 1M |
| 输出令牌 | 42,188 | 2,163 |
| 推理令牌 | 92,514 | 69,741 |
| 响应时间（平均） | 73.39s | 16.00s |
| 响应时间（最大） | 150.77s | 102.91s |
| 响应时间（总计） | 880.65s | 303.99s |
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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 7.3 | 5.8 | 83.3% | 2 | 51.38s | 2,789 | 8,880 | |
| GPT-5.4 Mini | 8.6 | 7.9 | 91.7% | 1 | 4.05s | 296 | 2,876 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 4.7 | 1.6 | 66.7% | 1 | 150.77s | 1,269 | 9,749 | |
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 7.76s | 423 | 1,548 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 71.37s | 703 | 3,713 | |
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 17.81s | 317 | 4,317 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 49.78s | 563 | 7,940 | |
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 234 | 650 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 3.5 | 4.4 | 33.3% | 2 | 137.29s | 20,753 | 30,564 | |
| GPT-5.4 Mini | 4.1 | 4.4 | 44.5% | 2 | 65.31s | 60 | 43,286 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 6.5 | 3.4 | 66.7% | 1 | 69.73s | 3,815 | 4,262 | |
| GPT-5.4 Mini | 4.5 | 10.0 | 0.0% | 0 | 3.72s | 150 | 510 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 92.47s | 5,371 | 6,547 | |
| GPT-5.4 Mini | 7.4 | 6.7 | 66.7% | 1 | 2.50s | 129 | 1,337 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 5.3 | 7.3 | 44.4% | 1 | 45.40s | 6,671 | 12,403 | |
| GPT-5.4 Mini | 7.8 | 10.0 | 66.7% | 0 | 4.33s | 271 | 2,449 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 31.74s | 242 | 812 | |
| GPT-5.4 Mini | 4.7 | 1.6 | 66.7% | 1 | 9.62s | 251 | 2,594 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 3.0 | 10.0 | 0.0% | 0 | 83.95s | 12 | 7,644 | |
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 30.10s | 32 | 10,174 |
快速对比
切换对比组合
Claude Sonnet 4.6nonevsGPT-5.4 MinimediumGemini 3.1 Flash LiteminimalvsKimi K2.5mediumDeepSeek V4 ProhighvsKimi K2.5mediumRing-2.6-1TnonevsGPT-5.4 MinimediumGemma 4 31Bnone免费可用vsKimi K2.5mediumGPT-5.4 MinimediumvsQwen3.6 Max PreviewnoneKimi K2.5mediumvsGPT-5.5noneGemini 3.1 Flash LitenonevsKimi K2.5mediumKimi K2.5mediumvsQwen3.5 Plus 2026-02-15noneGemma 4 31Bnone免费可用vsGPT-5.4 MinimediumDeepSeek V4 ProhighvsGPT-5.4 MinimediumKimi K2.5mediumvsGLM 5none