导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

MoonshotAI: Kimi K2.6 vs xAI: Grok 4.20

摘要

Kimi K2.6 vs Grok 4.20 benchmark 对比：Kimi K2.6 平均分领先，为 7.8 vs 7.3。 Grok 4.20 benchmark 成本更低，为 $0.609 vs $0.889。 Grok 4.20 更快，为 27.68s vs 71.67s，通过率为 65.1% vs 63.5%。

推荐模型: Grok 4.20 - 它的得分接近这里的最高分（7.3 vs 7.8），同时响应速度比Kimi K2.6快约 2.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 Kimi K2.6 Kimi K2.6 medium 发布日期: 2026-04-20 免费可用 Grok 4.20 Grok 4.20 medium 发布日期: 2026-03-31
分数 7.8 7.3
排名 #35 #53
可靠性 10.0 10.0
一致性 8.6 8.8
测试正确
尝试通过率 65.1% 63.5%
不稳定测试 3 3
总运行次数 63 63
每个结果成本 8.358 8.309
总成本 $0.889 $0.609
输入价格 $0.680 / 1M $1.250 / 1M
输出价格 $3.410 / 1M $2.500 / 1M
总输入令牌 29,450 44,433
输出令牌 102,923 1,819
推理令牌 254,094 219,524
响应时间（平均） 71.67s 27.68s
响应时间（最大） 406.78s 199.66s
响应时间（总计） 1433.36s 581.26s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#35 MoonshotAI: Kimi K2.6

medium
成本
$0.013
时间
103.4s
令牌
3,620 tok

#53 xAI: Grok 4.20

medium
成本
$0.041
时间
110.3s
令牌
16,336 tok

按分数排名的模型

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） 输入令牌 输出令牌 推理令牌
Kimi K2.6 7.0 8.0 66.7% 1 11.59s 618 7,115 8,934
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
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） 输入令牌 输出令牌 推理令牌
Kimi K2.6 5.7 8.6 33.3% 0 214.42s 2,925 9,970 77,189
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
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） 输入令牌 输出令牌 推理令牌
Kimi K2.6 10.0 10.0 100.0% 0 40.96s 11,271 711 13,876
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
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） 输入令牌 输出令牌 推理令牌
Kimi K2.6 10.0 10.0 100.0% 0 20.38s 7,014 316 11,305
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
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） 输入令牌 输出令牌 推理令牌
Kimi K2.6 5.3 7.2 44.4% 1 202.38s 326 47,035 98,262
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
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） 输入令牌 输出令牌 推理令牌
Kimi K2.6 10.0 10.0 100.0% 0 17.83s 477 3,981 4,472
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
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） 输入令牌 输出令牌 推理令牌
Kimi K2.6 10.0 10.0 100.0% 0 12.53s 669 3,977 5,269
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
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） 输入令牌 输出令牌 推理令牌
Kimi K2.6 6.0 7.4 55.6% 1 25.06s 651 13,860 17,599
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
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） 输入令牌 输出令牌 推理令牌
Kimi K2.6 10.0 10.0 100.0% 0 8.92s 5,286 248 1,011
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
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） 输入令牌 输出令牌 推理令牌
Kimi K2.6 3.0 10.0 0.0% 0 130.27s 213 15,710 16,177
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442

快速对比

切换对比组合

Gemini 3 Flash PreviewlowvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumKimi K2.6medium免费可用vsStep 3.7 FlashlowClaude Opus 4.8nonevsGrok 4.20mediumDeepSeek V4 ProhighvsKimi K2.6medium免费可用GPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V4 PrononevsGrok 4.20mediumQwen3.7 PlusnonevsGrok 4.20mediumGrok 4.20mediumvsGLM 5.2noneKimi K2.6medium免费可用vsGPT-5.3 ChatnoneStep 3.7 FlashhighvsGrok 4.20mediumDeepSeek V4 ProhighvsGrok 4.20medium