#81 MoonshotAI: Kimi K2.5
medium- 成本
- $0.030
- 时间
- 58.6s
- 令牌
- 8,683 tok
MoonshotAI: Kimi K2.5 vs StepFun: Step 3.7 Flash
Kimi K2.5 (medium) 平均分领先，为 7.0 vs 6.9。 Kimi K2.5 (medium) benchmark 成本更低，为 $0.600 vs $1.207。 Step 3.7 Flash (high) 更快，为 64.68s vs 99.00s，通过率为 65.2% vs 63.6%。
推荐模型Kimi K2.5 (medium)它在这里得分最高（7.0），同时成本比Step 3.7 Flash (high)低约 2.0 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-24
| 指标 | Kimi K2.5 Kimi K2.5 medium | Step 3.7 Flash Step 3.7 Flash high |
|---|---|---|
| 分数 | 7.0 | 6.9 |
| 排名 | #81 | #90 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.0 | 8.0 |
| 测试正确 | ||
| 尝试通过率 | 65.2% | 63.6% |
| 不稳定测试 | 8 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 4.789 | 10.973 |
| 总成本 | $0.600 | $1.207 |
| 输入价格 | $0.571 / 1M | $0.200 / 1M |
| 输出价格 | $2.850 / 1M | $1.150 / 1M |
| 总输入令牌 | 118,448 | 98,691 |
| 输出令牌 | 62,124 | 1,032,395 |
| 推理令牌 | 165,243 | 0 |
| 响应时间（平均） | 99.00s | 64.68s |
| 响应时间（最大） | 281.00s | 364.99s |
| 响应时间（总计） | 1485.04s | 1423.01s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#90 Step 3.7 Flash
high- 成本
- $0.007
- 时间
- 63.6s
- 令牌
- 6,030 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 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 13.40s | 696 | 42,656 | 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 | |
| Step 3.7 Flash | 4.0 | 6.0 | 22.2% | 1 | 206.21s | 6,057 | 327,340 | 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 | |
| Step 3.7 Flash | 8.7 | 6.9 | 83.3% | 1 | 41.23s | 73,938 | 49,842 | 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 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 14.72s | 7,368 | 23,113 | 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 | |
| Step 3.7 Flash | 4.1 | 4.4 | 44.5% | 2 | 149.64s | 783 | 410,502 | 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 | |
| Step 3.7 Flash | 5.5 | 10.0 | 0.0% | 0 | 4.17s | 510 | 2,862 | 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 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.52s | 705 | 2,010 | 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 | |
| Step 3.7 Flash | 5.3 | 7.2 | 44.4% | 1 | 10.22s | 711 | 25,422 | 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 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.79s | 7,701 | 1,172 | 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 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 149.34s | 222 | 147,476 | 0 |
快速对比
切换对比组合
GPT-5.5nonevsStep 3.7 FlashhighGemini 3.5 FlashnonevsKimi K2.5mediumQwen3.6 FlashmediumvsStep 3.7 FlashhighStep 3.7 FlashhighvsMiMo-V2.5-PromediumGemini 3.5 FlashminimalvsStep 3.7 FlashhighGPT-5.6 SolnonevsStep 3.7 FlashhighDeepSeek V4 PrononevsStep 3.7 FlashhighKAT-Coder-Pro V2.5mediumvsStep 3.7 FlashhighDeepSeek V4 PrononevsKimi K2.5mediumKimi K2.5mediumvsGPT-5.6 SolnoneSeed-2.0-MinimediumvsStep 3.7 FlashhighGemini 3 Flash PreviewnonevsStep 3.7 Flashhigh