AI BENCHY 对比
MoonshotAI: Kimi K2.6 vs OpenAI: GPT-5.4 Nano
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-30
| 指标 | Kimi K2.6 Kimi K2.6 medium | GPT-5.4 Nano GPT-5.4 Nano medium |
|---|---|---|
| 分数 | 7.7 | 7.6 |
| 排名 | #47 | #50 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 8.3 | 9.0 |
| 测试正确 | ||
| 尝试通过率 | 74.1% | 68.5% |
| 不稳定测试 | 4 | 2 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 6.563 | 0.747 |
| 总成本 | $0.722 | $0.083 |
| ???? | $0.740 / 1M | $0.200 / 1M |
| ???? | $3.490 / 1M | $1.250 / 1M |
| 输出令牌 | 80,759 | 2,946 |
| 推理令牌 | 179,814 | 58,132 |
| 响应时间（平均） | 45.20s | 11.21s |
| 响应时间（最大） | 215.85s | 94.06s |
| 响应时间（总计） | 768.37s | 201.80s |
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 K2.6 | 7.0 | 8.0 | 66.7% | 1 | 11.59s | 7,115 | 8,934 | |
| GPT-5.4 Nano | 8.3 | 10.0 | 75.0% | 0 | 4.52s | 683 | 2,254 |
| 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 K2.6 | 10.0 | 10.0 | 100.0% | 0 | 106.96s | 3,236 | 18,817 | |
| GPT-5.4 Nano | 10.0 | 10.0 | 100.0% | 0 | 13.41s | 472 | 3,616 |
| 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 K2.6 | 10.0 | 10.0 | 100.0% | 0 | 40.96s | 711 | 13,876 | |
| GPT-5.4 Nano | 9.8 | 10.0 | 100.0% | 0 | 24.13s | 349 | 5,719 |
| 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 K2.6 | 10.0 | 10.0 | 100.0% | 0 | 20.38s | 316 | 11,305 | |
| GPT-5.4 Nano | 10.0 | 10.0 | 100.0% | 0 | 2.54s | 234 | 516 |
| 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 K2.6 | 5.3 | 7.2 | 44.4% | 1 | 202.38s | 47,035 | 98,262 | |
| GPT-5.4 Nano | 5.9 | 7.2 | 55.6% | 1 | 38.18s | 60 | 43,325 |
| 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 K2.6 | 10.0 | 10.0 | 100.0% | 0 | 17.83s | 3,981 | 4,472 | |
| GPT-5.4 Nano | 4.5 | 10.0 | 0.0% | 0 | 4.15s | 179 | 443 |
| 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 K2.6 | 10.0 | 10.0 | 100.0% | 0 | 12.53s | 3,977 | 5,269 | |
| GPT-5.4 Nano | 9.8 | 10.0 | 100.0% | 0 | 1.88s | 95 | 521 |
| 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 K2.6 | 5.0 | 5.2 | 44.5% | 2 | 25.59s | 14,140 | 17,868 | |
| GPT-5.4 Nano | 4.0 | 7.1 | 22.2% | 1 | 3.65s | 640 | 1,356 |
| 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 K2.6 | 10.0 | 10.0 | 100.0% | 0 | 8.92s | 248 | 1,011 | |
| GPT-5.4 Nano | 10.0 | 10.0 | 100.0% | 0 | 7.71s | 234 | 382 |
快速对比
切换对比组合
GPT-5.4 NanomediumvsQwen3.6 Max PreviewnoneDeepSeek V4 FlashhighvsKimi K2.6mediumKimi K2.6mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6nonevsGPT-5.4 NanomediumGemini 3.1 Flash Lite PreviewnonevsKimi K2.6mediumKimi K2.6mediumvsQwen3.6 Max PreviewnoneKimi K2.6mediumvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsGPT-5.4 NanomediumClaude Sonnet 4.6nonevsKimi K2.6mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.4 NanomediumGemini 3.1 Flash Lite PreviewlowvsKimi K2.6mediumGemini 3 Flash PreviewnonevsKimi K2.6medium