AI BENCHY 对比
MoonshotAI: Kimi K2.5 vs Qwen: Qwen3.5-122B-A10B
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-29
| 指标 | Kimi K2.5 Kimi K2.5 none | Qwen3.5-122B-A10B Qwen3.5-122B-A10B none |
|---|---|---|
| 分数 | 5.5 | 5.7 |
| 排名 | #99 | #93 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 8.7 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 40.7% | 38.9% |
| 不稳定测试 | 3 | 2 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.271 | 0.360 |
| 总成本 | $0.017 | $0.022 |
| ???? | $0.440 / 1M | $0.260 / 1M |
| ???? | $2.000 / 1M | $2.080 / 1M |
| 输出令牌 | 2,659 | 3,341 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 13.37s | 3.69s |
| 响应时间（最大） | 42.13s | 46.00s |
| 响应时间（总计） | 147.05s | 66.50s |
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 | |
| Qwen3.5-122B-A10B | 4.8 | 10.0 | 25.0% | 0 | 1.59s | 312 | 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 | |
| Qwen3.5-122B-A10B | 4.3 | 1.1 | 66.7% | 1 | 3.44s | 659 | 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 | |
| Qwen3.5-122B-A10B | 3.0 | 10.0 | 0.0% | 0 | 46.00s | 1,137 | 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 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 1.01s | 243 | 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 | |
| Qwen3.5-122B-A10B | 5.3 | 10.0 | 33.3% | 0 | 465ms | 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 | |
| Qwen3.5-122B-A10B | 5.0 | 10.0 | 0.0% | 0 | 1.12s | 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 | |
| Qwen3.5-122B-A10B | 4.5 | 6.8 | 16.7% | 1 | 585ms | 70 | 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 | 3.1 | 10.0 | 0.0% | 0 | 4.73s | 317 | 0 | |
| Qwen3.5-122B-A10B | 5.4 | 10.0 | 33.3% | 0 | 982ms | 575 | 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 | |
| Qwen3.5-122B-A10B | 10.0 | 10.0 | 100.0% | 0 | 2.04s | 264 | 0 |
快速对比
切换对比组合
MiniMax M2.5medium免费可用vsQwen3.5-122B-A10BnoneMistral Small 4mediumvsQwen3.5-122B-A10BnoneMistral Small 4mediumvsKimi K2.5nonegpt-oss-120bmedium免费可用vsQwen3.5-122B-A10BnoneMiniMax M2.5medium免费可用vsKimi K2.5noneMiniMax M2.7mediumvsKimi K2.5noneKimi K2.5nonevsgpt-oss-120bmedium免费可用Kimi K2.5nonevsElephant AlphamediumKimi K2.5nonevsNemotron 3 Nano Omni 30b A3b Reasoningmedium免费可用Laguna Xs.2medium免费可用vsQwen3.5-122B-A10BnoneMiniMax M2.7mediumvsQwen3.5-122B-A10BnoneElephant AlphamediumvsQwen3.5-122B-A10Bnone