AI BENCHY 对比
MoonshotAI: Kimi K2.5 vs xAI: Grok 4.20 Beta
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | Kimi K2.5 Kimi K2.5 none | Grok 4.20 Beta Grok 4.20 Beta none |
|---|---|---|
| 排名 | #54 | #52 |
| 平均分 | 4.1 | 4.4 |
| 一致性 | 8.6 | 9.1 |
| 每个结果成本 | 0.295 | 2.214 |
| 总成本 | $0.015 | $0.089 |
| 测试正确 | ||
| 尝试通过率 | 39.6% | 33.3% |
| 不稳定测试 | 3 | 2 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 2,000 | 1,511 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 11.91s | 1.22s |
| 响应时间（最大） | 42.13s | 6.48s |
| 响应时间（总计） | 107.16s | 19.53s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
总输出令牌
平均分 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 | 2.7 | 7.9 | 11.1% | 1 | 11.38s | 363 | 0 | |
| Grok 4.20 Beta | 3.3 | 7.9 | 22.2% | 1 | 562ms | 245 | 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 | 2.1 | 33.3% | 1 | 19.16s | 748 | 0 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 6.48s | 282 | 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 | 5.4 | 5.8 | 83.3% | 1 | 42.13s | 187 | 0 | |
| Grok 4.20 Beta | 9.9 | 10.0 | 100.0% | 0 | 601ms | 197 | 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 | 4.0 | 10.0 | 33.3% | 0 | 4.38s | 29 | 0 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 611ms | 160 | 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 | |
| Grok 4.20 Beta | 5.0 | 10.0 | 0.0% | 0 | 541ms | 87 | 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 | 5.5 | 10.0 | 50.0% | 0 | 2.67s | 60 | 0 | |
| Grok 4.20 Beta | 4.5 | 10.0 | 0.0% | 0 | 687ms | 60 | 0 |
| Puzzle Solving | 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 | 0.0% | 0 | 4.73s | 317 | 0 | |
| Grok 4.20 Beta | 4.0 | 7.2 | 55.6% | 1 | 541ms | 291 | 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 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 4.79s | 189 | 0 |
快速对比
切换对比组合
MiniMax M2.5mediumvsGrok 4.20 BetanoneKimi K2.5nonevsQwen3 Coder NextmediumMiniMax M2.5mediumvsKimi K2.5nonegpt-oss-120bmedium免费可用vsGrok 4.20 BetanoneKimi K2.5nonevsGrok 4.20 Multi-Agent BetamediumMercury 2mediumvsGrok 4.20 BetanoneQwen3 Coder NextmediumvsGrok 4.20 BetanoneKimi K2.5nonevsGLM 4.7 FlashmediumKimi K2.5nonevsgpt-oss-120bmedium免费可用Qwen3.5-35B-A3BmediumvsGrok 4.20 BetanoneGPT-5 NanomediumvsGrok 4.20 BetanoneMercury 2mediumvsKimi K2.5none