AI BENCHY 对比
MoonshotAI: Kimi K2.5 vs OpenAI: gpt-oss-120b
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 none | gpt-oss-120b gpt-oss-120b medium 免费可用 |
|---|---|---|
| 分数 | 5.3 | 5.6 |
| 排名 | #126 | #111 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 7.5 |
| 测试正确 | ||
| 尝试通过率 | 36.7% | 46.7% |
| 不稳定测试 | 3 | 6 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.428 | 0.171 |
| 总成本 | $0.026 | $0.012 |
| ???? | $0.400 / 1M | $0.000 / 1M |
| ???? | $1.900 / 1M | $0.000 / 1M |
| 输出令牌 | 6,734 | 17,213 |
| 推理令牌 | 0 | 46,706 |
| 响应时间（平均） | 14.16s | 20.89s |
| 响应时间（最大） | 42.13s | 68.16s |
| 响应时间（总计） | 184.10s | 271.54s |
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-oss-120b | 6.7 | 9.9 | 50.0% | 0 | 10.21s | 3,518 | 2,177 |
| 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 | 6.8 | 10.0 | 50.0% | 0 | 35.97s | 4,704 | 0 | |
| gpt-oss-120b | 3.9 | 5.6 | 33.3% | 1 | 47.24s | 847 | 8,618 |
| 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-oss-120b | 10.0 | 10.0 | 100.0% | 0 | 31.18s | 694 | 5,072 |
| 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-oss-120b | 6.4 | 5.9 | 66.7% | 1 | 1.98s | 241 | 1,114 |
| 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-oss-120b | 2.9 | 4.4 | 22.2% | 2 | 50.92s | 6,784 | 20,606 |
| 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-oss-120b | 4.3 | 10.0 | 0.0% | 0 | 7.90s | 107 | 387 |
| 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-oss-120b | 9.9 | 10.0 | 100.0% | 0 | 7.63s | 126 | 1,799 |
| 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-oss-120b | 3.2 | 4.7 | 22.2% | 2 | 11.80s | 1,508 | 2,092 |
| 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-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 6.91s | 287 | 1,083 |
| 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-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 26.51s | 3,101 | 3,758 |
快速对比
切换对比组合
Kimi K2.6nonevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsGLM 5.1noneDeepSeek V3.2nonevsgpt-oss-120bmedium免费可用gpt-oss-120bmedium免费可用vsMiMo-V2.5-Prononegpt-oss-120bmedium免费可用vsGLM 4.7 Flashnonegpt-oss-120bmedium免费可用vsQwen3.6 FlashnoneKimi K2.5nonevsElephant AlphamediumMistral Small 4mediumvsKimi K2.5nonegpt-oss-120bmedium免费可用vsMiMo-V2-PrononeMiniMax M2.5medium免费可用vsKimi K2.5nonegpt-oss-120bmedium免费可用vsOwl Alphanonegpt-oss-120bmedium免费可用vsQwen3.6 27Bnone