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 xAI: Grok Build 0.1

摘要

Kimi K2.5 vs Grok Build 0.1 benchmark 对比：平均分几乎持平，为 7.5 vs 7.6。 Kimi K2.5 benchmark 成本更低，为 $0.348 vs $0.927。 Grok Build 0.1 更快，为 49.90s vs 98.43s，通过率为 68.3% vs 61.9%。

推荐模型: Kimi K2.5 - 它在这里得分最高（7.5），同时成本比Grok Build 0.1低约 2.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 Kimi K2.5 Kimi K2.5 medium 发布日期: 2026-01-27 Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21
分数 7.5 7.6
排名 #45 #44
可靠性 10.0 10.0
一致性 6.9 9.9
测试正确
尝试通过率 68.3% 61.9%
不稳定测试 8 0
总运行次数 63 63
每个结果成本 3.704 7.124
总成本 $0.348 $0.927
输入价格 $0.375 / 1M $1.000 / 1M
输出价格 $2.025 / 1M $2.000 / 1M
总输入令牌 34,312 44,418
输出令牌 48,379 2,782
推理令牌 157,747 438,018
响应时间（平均） 98.43s 49.90s
响应时间（最大） 281.00s 252.69s
响应时间（总计） 1378.03s 1047.92s

生成展示

Hamster playing table tennis

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

#45 MoonshotAI: Kimi K2.5

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

#44 xAI: Grok Build 0.1

medium
成本
$0.028
时间
81.3s
令牌
14,009 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
Grok Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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
Grok Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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
Grok Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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
Grok Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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
Grok Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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
Grok Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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
Grok Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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
Grok Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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
Grok Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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
Grok Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

快速对比

切换对比组合

DeepSeek V4 ProhighvsGrok Build 0.1mediumKimi K2.5mediumvsGPT-5.3 ChatnoneDeepSeek V4 ProhighvsKimi K2.5mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Opus 4.8lowvsGrok Build 0.1mediumKimi K2.5mediumvsStep 3.7 FlashlowGemini 3 Flash PreviewlowvsKimi K2.5mediumClaude Opus 4.8lowvsKimi K2.5mediumGemini 3 Flash PreviewlowvsGrok Build 0.1mediumClaude Sonnet 4.6nonevsKimi K2.5mediumClaude Sonnet 4.6nonevsGrok Build 0.1medium