AI BENCHY 对比
MoonshotAI: Kimi K2.5 vs OpenAI: GPT-4o-mini
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | Kimi K2.5 Kimi K2.5 none | GPT-4o-mini GPT-4o-mini none |
|---|---|---|
| 分数 | 5.4 | 4.9 |
| 排名 | #119 | #134 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.8 | 9.9 |
| 测试正确 | ||
| 尝试通过率 | 38.6% | 26.3% |
| 不稳定测试 | 3 | 0 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.273 | 0.099 |
| 总成本 | $0.017 | $0.005 |
| ???? | $0.400 / 1M | $0.150 / 1M |
| ???? | $1.900 / 1M | $0.600 / 1M |
| 输出令牌 | 2,679 | 1,962 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 12.58s | 1.90s |
| 响应时间（最大） | 42.13s | 7.58s |
| 响应时间（总计） | 150.95s | 22.79s |
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 | 3.6 | 8.4 | 8.3% | 1 | 6.24s | 373 | 0 | |
| GPT-4o-mini | 4.8 | 10.0 | 25.0% | 0 | 1.34s | 186 | 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 | 10.0 | 10.0 | 100.0% | 0 | 38.78s | 649 | 0 | |
| GPT-4o-mini | 3.0 | 8.7 | 0.0% | 0 | 2.55s | 347 | 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 | 2.8 | 2.1 | 33.3% | 1 | 19.16s | 748 | 0 | |
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 7.58s | 568 | 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 | 7.3 | 5.8 | 83.3% | 1 | 42.13s | 187 | 0 | |
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 1.27s | 183 | 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 | 5.3 | 10.0 | 33.3% | 0 | 4.38s | 29 | 0 | |
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 637ms | 15 | 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 | 10.0 | 10.0 | 100.0% | 0 | 4.00s | 76 | 0 | |
| GPT-4o-mini | 4.0 | 10.0 | 0.0% | 0 | 909ms | 66 | 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 | 6.5 | 10.0 | 50.0% | 0 | 2.67s | 60 | 0 | |
| GPT-4o-mini | 6.3 | 10.0 | 50.0% | 0 | 1.27s | 69 | 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 | 3.0 | 10.0 | 0.0% | 0 | 4.73s | 317 | 0 | |
| GPT-4o-mini | 3.5 | 10.0 | 0.0% | 0 | 1.30s | 308 | 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 | 13.99s | 220 | 0 | |
| GPT-4o-mini | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 205 | 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 | 3.90s | 20 | 0 | |
| GPT-4o-mini | 3.0 | 10.0 | 0.0% | 0 | 794ms | 15 | 0 |
快速对比
切换对比组合
Kimi K2.5nonevsElephant AlphamediumMistral Small 4mediumvsKimi K2.5noneMiniMax M2.5medium免费可用vsKimi K2.5noneGPT-4o-mininonevsQwen3 Coder NextmediumMiniMax M2.7mediumvsGPT-4o-mininoneMiniMax M2.7mediumvsKimi K2.5noneKimi K2.5nonevsgpt-oss-120bmedium免费可用Cobuddymedium免费可用vsKimi K2.5noneGPT-4o-mininonevsGLM 4.7 FlashmediumGPT-4o-mininonevsElephant AlphamediumKimi K2.5nonevsOwl AlphamediumMistral Small 4mediumvsGPT-4o-mininone