导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

MoonshotAI: Kimi K2.5 vs OpenAI: GPT-5.6 Luna

摘要

Kimi K2.5 (medium) vs GPT-5.6 Luna (medium) benchmark 对比：平均分几乎持平，为 7.5 vs 7.6。 GPT-5.6 Luna (medium) benchmark 成本更低，为 $0.258 vs $0.348。 GPT-5.6 Luna (medium) 更快，为 6.70s vs 98.43s，通过率为 68.3% vs 63.5%。

推荐模型: GPT-5.6 Luna (medium) - 它在这里得分最高（7.6），同时响应速度比Kimi K2.5 (medium)快约 14.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 Kimi K2.5 Kimi K2.5 medium 发布日期: 2026-01-27 GPT-5.6 Luna GPT-5.6 Luna medium 发布日期: 2026-07-09
分数 7.5 7.6
排名 #55 #54
可靠性 10.0 10.0
一致性 6.9 9.6
测试正确
尝试通过率 68.3% 63.5%
不稳定测试 8 1
总运行次数 63 63
每个结果成本 3.704 1.978
总成本 $0.348 $0.258
输入价格 $0.375 / 1M $1.000 / 1M
输出价格 $2.025 / 1M $6.000 / 1M
总输入令牌 34,312 35,699
输出令牌 48,379 2,148
推理令牌 157,747 34,740
响应时间（平均） 98.43s 6.70s
响应时间（最大） 281.00s 29.85s
响应时间（总计） 1378.03s 140.62s

生成展示

Hamster playing table tennis

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

#55 MoonshotAI: Kimi K2.5

medium
成本
$0.030
时间
58.6s
令牌
8,683 tok

#54 GPT-5.6 Luna

medium
成本
$0.014
时间
14.6s
令牌
2,362 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
Kimi K2.5 7.3 5.8 83.3% 2 51.38s 634 2,789 8,880
GPT-5.6 Luna 8.3 10.0 75.0% 0 2.52s 606 160 987
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
Kimi K2.5 6.1 4.6 66.7% 2 217.49s 6,935 5,705 74,693
GPT-5.6 Luna 5.4 7.2 44.4% 1 10.38s 7,302 564 9,928
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
Kimi K2.5 10.0 10.0 100.0% 0 71.37s 11,280 703 3,713
GPT-5.6 Luna 10.0 10.0 100.0% 0 9.53s 12,500 375 1,354
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
Kimi K2.5 10.0 10.0 100.0% 0 49.78s 7,020 563 7,940
GPT-5.6 Luna 10.0 10.0 100.0% 0 1.95s 7,140 234 324
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
Kimi K2.5 3.5 4.4 33.3% 2 137.29s 485 20,753 30,564
GPT-5.6 Luna 5.3 10.0 33.3% 0 17.37s 723 68 16,531
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
Kimi K2.5 6.5 3.4 66.7% 1 69.73s 480 3,815 4,262
GPT-5.6 Luna 5.1 10.0 0.0% 0 4.34s 477 112 496
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
Kimi K2.5 10.0 10.0 100.0% 0 92.47s 675 5,371 6,547
GPT-5.6 Luna 9.9 10.0 100.0% 0 2.38s 660 95 393
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
Kimi K2.5 5.3 7.3 44.4% 1 43.23s 659 8,426 12,692
GPT-5.6 Luna 7.8 10.0 66.7% 0 4.04s 642 255 2,104
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
Kimi K2.5 10.0 10.0 100.0% 0 31.74s 5,933 242 812
GPT-5.6 Luna 10.0 10.0 100.0% 0 6.02s 5,454 256 244
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
Kimi K2.5 3.0 10.0 0.0% 0 83.95s 211 12 7,644
GPT-5.6 Luna 3.0 10.0 0.0% 0 6.64s 195 29 2,379

快速对比

切换对比组合

Kimi K2.5mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsGPT-5.6 LunamediumDeepSeek V4 ProhighvsKimi K2.5mediumGPT-5.6 LunamediumvsStep 3.7 FlashlowKimi K2.5mediumvsGPT-5.6 LunahighKimi K2.5mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsKimi K2.5mediumKimi K2.5mediumvsGPT-5.6 TerralowClaude Opus 4.8lowvsGPT-5.6 LunamediumGemini 3 Flash PreviewlowvsGPT-5.6 LunamediumClaude Opus 4.8lowvsKimi K2.5mediumClaude Sonnet 4.6nonevsKimi K2.5medium