AI BENCHY 对比
MoonshotAI: Kimi K2.5 vs xAI: Grok Build 0.1
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Kimi K2.5 Kimi K2.5 medium | Grok Build 0.1 Grok Build 0.1 none |
|---|---|---|
| 分数 | 6.7 | 6.6 |
| 排名 | #79 | #82 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 6.8 | 8.0 |
| 测试正确 | ||
| 尝试通过率 | 66.7% | 60.4% |
| 不稳定测试 | 8 | 4 |
| 总运行次数 | 60 | 57 |
| 每个结果成本 | 3.479 | 7.805 |
| 总成本 | $0.314 | $0.547 |
| ???? | $0.400 / 1M | $1.000 / 1M |
| ???? | $1.900 / 1M | $2.000 / 1M |
| 输出令牌 | 46,619 | 267,275 |
| 推理令牌 | 128,184 | 0 |
| 响应时间（平均） | 89.36s | 28.69s |
| 响应时间（最大） | 281.00s | 138.35s |
| 响应时间（总计） | 1161.65s | 459.00s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 7.3 | 5.8 | 83.3% | 2 | 51.38s | 2,789 | 8,880 | |
| Grok Build 0.1 | 8.7 | 7.9 | 91.7% | 1 | 6.30s | 11,162 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 4.1 | 1.9 | 50.0% | 2 | 215.89s | 5,700 | 45,419 | |
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 21.41s | 16,568 | 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 71.37s | 703 | 3,713 | |
| Grok Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 49.78s | 563 | 7,940 | |
| Grok Build 0.1 | 4.7 | 1.6 | 66.7% | 1 | 9.33s | 6,359 | 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 3.5 | 4.4 | 33.3% | 2 | 137.29s | 20,753 | 30,564 | |
| Grok Build 0.1 | 3.6 | 7.2 | 22.2% | 1 | 103.71s | 179,469 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 6.5 | 3.4 | 66.7% | 1 | 69.73s | 3,815 | 4,262 | |
| Grok Build 0.1 | 4.3 | 10.0 | 0.0% | 0 | 12.47s | 6,647 | 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 92.47s | 5,371 | 6,547 | |
| Grok Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 7.36s | 8,970 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 5.3 | 7.3 | 44.4% | 1 | 45.40s | 6,671 | 12,403 | |
| Grok Build 0.1 | 6.4 | 7.7 | 55.6% | 1 | 9.55s | 14,982 | 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 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 10.0 | 10.0 | 100.0% | 0 | 31.74s | 242 | 812 | |
| Grok Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Kimi K2.5 | 3.0 | 10.0 | 0.0% | 0 | 83.95s | 12 | 7,644 | |
| Grok Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 36.09s | 23,118 | 0 |
快速对比
切换对比组合
Gemini 3.1 Flash LiteminimalvsKimi K2.5mediumDeepSeek V4 ProhighvsKimi K2.5mediumQwen3.6 27BmediumvsGrok Build 0.1noneDeepSeek V4 ProhighvsGrok Build 0.1noneGemma 4 31Bnone免费可用vsKimi K2.5mediumGemini 3.1 Flash LiteminimalvsGrok Build 0.1noneGemini 3.1 Flash LitenonevsKimi K2.5mediumKimi K2.5mediumvsGPT-5.5noneKimi K2.5mediumvsQwen3.5 Plus 2026-02-15noneGPT-5 MinimediumvsGrok Build 0.1noneGrok Build 0.1nonevsMiMo-V2-OmnimediumMercury 2mediumvsGrok Build 0.1none