AI BENCHY 对比
MoonshotAI: Kimi K2.5 vs OpenAI: GPT-5.4
比较:
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-06
| 指标 | MoonshotAI: Kimi K2.5 medium 发布日期: 2026-01-27 | OpenAI: GPT-5.4 none 发布日期: 2026-03-05 |
|---|---|---|
| 平均分 | 6.4 | 4.6 |
| 排名 | #29 | #44 |
| 测试正确 | ||
| 一致性 | 7.8 | 8.9 |
| 每个结果成本 | 2.082 | 1.496 |
| 总成本 | $0.188 | $0.090 |
| 尝试通过率 | 73.3% | 44.4% |
| 不稳定测试 | 4 | 2 |
| common.totalRuns | 45 (15 x 3) | 45 (15 x 3) |
| 输出令牌 | 34,638 | 1,635 |
| 推理令牌 | 68,234 | 0 |
| 响应时间（平均） | 69.84s | 1.46s |
| 响应时间（最大） | 137.29s | 2.89s |
| 响应时间（总计） | 558.72s | 21.86s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
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 |
|---|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 7.0 | 7.2 | 88.9% | 1 | 85.28s | 335 | 6,255 | |
| OpenAI: GPT-5.4 | 10.0 | 7.3 | 11.1% | 1 | 1.41s | 388 | 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 |
|---|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 71.37s | 703 | 3,713 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 0.0% | 0 | 2.89s | 291 | 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 |
|---|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 9.9 | 10.0 | 100.0% | 0 | 49.78s | 563 | 7,940 | |
| OpenAI: GPT-5.4 | 9.9 | 10.0 | 100.0% | 0 | 1.04s | 222 | 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 |
|---|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 10.0 | 4.4 | 33.3% | 2 | 137.29s | 20,753 | 30,564 | |
| OpenAI: GPT-5.4 | 4.0 | 7.2 | 44.4% | 1 | 1.07s | 50 | 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 |
|---|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 92.47s | 5,371 | 6,547 | |
| OpenAI: GPT-5.4 | 5.5 | 10.0 | 50.0% | 0 | 1.07s | 81 | 0 |
| Puzzle Solving | 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 |
|---|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 4.0 | 7.3 | 44.4% | 1 | 45.40s | 6,671 | 12,403 | |
| OpenAI: GPT-5.4 | 4.0 | 9.8 | 33.3% | 0 | 1.52s | 357 | 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 |
|---|---|---|---|---|---|---|---|---|
| MoonshotAI: Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 31.74s | 242 | 812 | |
| OpenAI: GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 246 | 0 |
快速对比
切换对比组合
Kimi K2.5mediumvsQwen3.5 Plus 2026-02-15noneMiniMax M2.5mediumvsGPT-5.4noneClaude Sonnet 4.6nonevsKimi K2.5mediumGemini 3 Flash PreviewnonevsKimi K2.5mediumKimi K2.5mediumvsGLM 5noneMercury 2mediumvsGPT-5.4noneGemini 3.1 Flash Lite PreviewnonevsKimi K2.5mediumKimi K2.5mediumvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewlowvsKimi K2.5mediumGemini 2.5 FlashnonevsKimi K2.5mediumDeepSeek V3.2nonevsKimi K2.5mediumGPT-5.4nonevsQwen3.5-35B-A3Bmedium