MoonshotAI: Kimi K2.5 vs Qwen: Qwen3.7 Plus

Qwen3.7 Plus 平均分领先，为 7.2 vs 7.0。 Qwen3.7 Plus benchmark 成本更低，为 $0.106 vs $0.600。 Qwen3.7 Plus 更快，为 12.09s vs 99.00s，通过率为 65.2% vs 50.0%。

推荐模型Qwen3.7 Plus它在这里得分最高（7.2），同时成本比Kimi K2.5 (medium)低约 5.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18

指标	Kimi K2.5 Kimi K2.5 medium 发布日期: 2026-01-27	Qwen3.7 Plus Qwen3.7 Plus none 发布日期: 2026-06-03

指标	Kimi K2.5 Kimi K2.5 medium 发布日期: 2026-01-27	Qwen3.7 Plus Qwen3.7 Plus none 发布日期: 2026-06-03
分数	7.0	7.2
排名	#76	#70
可靠性	10.0	10.0
一致性	7.0	10.0
测试正确
尝试通过率	65.2%	50.0%
不稳定测试	8	0
总运行次数	66	66
每个结果成本	4.789	1.014
总成本	$0.600	$0.106
输入价格	$0.571 / 1M	$0.320 / 1M
输出价格	$2.850 / 1M	$1.280 / 1M
总输入令牌	118,448	98,824
输出令牌	62,124	58,097
推理令牌	165,243	0
响应时间（平均）	99.00s	12.09s
响应时间（最大）	281.00s	206.03s
响应时间（总计）	1485.04s	265.89s

Hamster playing table tennis

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

#76 MoonshotAI: Kimi K2.5

medium

成本: $0.030
时间: 58.6s
令牌: 8,683 tok

#70 Qwen3.7 Plus

none

成本: $0.019
时间: 213.5s
令牌: 11,960 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

类别:

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
Qwen3.7 Plus	6.5	10.0	50.0%	0		1.38s	696	349	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
Qwen3.7 Plus	5.5	10.0	33.3%	0		2.15s	7,911	639	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）	输入令牌	输出令牌	推理令牌
Kimi K2.5	6.7	9.1	50.0%	0		89.19s	95,416	14,448	11,209
Qwen3.7 Plus	10.0	10.0	100.0%	0		117.70s	71,266	56,024	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
Qwen3.7 Plus	10.0	10.0	100.0%	0		1.43s	7,794	243	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
Qwen3.7 Plus	3.0	10.0	0.0%	0		868ms	789	18	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
Qwen3.7 Plus	5.3	10.0	0.0%	0		1.33s	522	78	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
Qwen3.7 Plus	6.3	10.0	50.0%	0		929ms	711	72	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
Qwen3.7 Plus	7.7	10.0	66.7%	0		1.71s	714	443	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
Qwen3.7 Plus	10.0	10.0	100.0%	0		3.54s	8,211	222	0

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
Qwen3.7 Plus	3.0	10.0	0.0%	0		1.21s	210	9	0

快速对比

切换对比组合

Gemini 3.5 FlashnonevsKimi K2.5medium Qwen3.7 PlusnonevsGrok 4.3medium Qwen3.7 PlusnonevsGLM 5.1medium Qwen3.7 PlusnonevsGrok 4.20medium KAT-Coder-Pro V2.5highvsQwen3.7 Plusnone Kimi K2.6mediumvsQwen3.7 Plusnone DeepSeek V4 PrononevsKimi K2.5medium Qwen3.7 PlusnonevsStep 3.7 Flashlow Kimi K2.5mediumvsGPT-5.6 Solnone Kimi K2.5mediumvsStep 3.7 Flashhigh Gemini 3.1 Flash LitemediumvsQwen3.7 Plusnone Kimi K2.5mediumvsGPT-5.5none