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 K2.7 Code vs OpenAI: GPT-5.3 Chat

摘要

Kimi K2.7 Code vs GPT-5.3 Chat benchmark 对比：GPT-5.3 Chat 平均分领先，为 7.5 vs 7.0。 GPT-5.3 Chat benchmark 成本更低，为 $0.433 vs $0.669。 GPT-5.3 Chat 更快，为 6.34s vs 83.60s，通过率为 66.7% vs 66.7%。

推荐模型: GPT-5.3 Chat - 它在这里得分最高（7.5），同时成本比Kimi K2.7 Code低约 1.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-12

指标 Kimi K2.7 Code Kimi K2.7 Code medium 发布日期: 2026-06-12 GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03
分数 7.0 7.5
排名 #65 #47
可靠性 9.2 10.0
一致性 7.7 8.1
测试正确
尝试通过率 66.7% 66.7%
不稳定测试 6 5
总运行次数 63 63
每个结果成本 6.074 3.605
总成本 $0.669 $0.433
输入价格 $0.950 / 1M $1.750 / 1M
输出价格 $4.000 / 1M $14.000 / 1M
总输入令牌 25,991 34,209
输出令牌 80,516 26,617
推理令牌 161,391 0
响应时间（平均） 83.60s 6.34s
响应时间（最大） 365.80s 18.33s
响应时间（总计） 1671.99s 133.13s

Generation showcase

Hamster playing table tennis

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

#65 MoonshotAI: Kimi K2.7 Code

medium
Cost
$0.025
Time
138.0s
Tokens
6,093 tok

#47 GPT-5.3 Chat

none
Cost
$0.008
Time
8.1s
Tokens
634 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 K2.7 Code 7.3 5.8 83.3% 2 11.56s 618 3,048 5,041
GPT-5.3 Chat 6.7 8.1 58.3% 1 3.86s 606 3,167 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） 输入令牌 输出令牌 推理令牌
Kimi K2.7 Code 7.6 7.2 77.8% 1 146.73s 4,650 1,864 25,635
GPT-5.3 Chat 5.6 4.7 55.6% 2 10.52s 7,302 6,632 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） 输入令牌 输出令牌 推理令牌
Kimi K2.7 Code 4.7 1.6 66.7% 1 34.83s 11,271 444 3,906
GPT-5.3 Chat 10.0 10.0 100.0% 0 11.96s 11,019 2,614 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） 输入令牌 输出令牌 推理令牌
Kimi K2.7 Code 10.0 10.0 100.0% 0 12.27s 7,014 248 2,569
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.21s 7,140 942 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） 输入令牌 输出令牌 推理令牌
Kimi K2.7 Code 5.3 7.2 44.4% 1 213.29s 431 55,572 63,639
GPT-5.3 Chat 3.5 4.4 33.3% 2 13.01s 723 8,264 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） 输入令牌 输出令牌 推理令牌
Kimi K2.7 Code 10.0 10.0 100.0% 0 10.78s 477 1,024 1,071
GPT-5.3 Chat 4.6 10.0 0.0% 0 1.99s 477 319 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） 输入令牌 输出令牌 推理令牌
Kimi K2.7 Code 9.9 10.0 100.0% 0 5.39s 669 725 1,232
GPT-5.3 Chat 9.8 10.0 100.0% 0 3.51s 660 1,491 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） 输入令牌 输出令牌 推理令牌
Kimi K2.7 Code 5.9 7.7 44.4% 1 41.00s 651 15,438 17,368
GPT-5.3 Chat 10.0 10.0 100.0% 0 2.99s 642 1,758 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） 输入令牌 输出令牌 推理令牌
Kimi K2.7 Code 3.0 10.0 0.0% 0 0ms 0 0 0
GPT-5.3 Chat 10.0 10.0 100.0% 0 8.36s 5,445 861 0
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 K2.7 Code 3.0 10.0 0.0% 0 341.76s 210 2,153 40,930
GPT-5.3 Chat 3.0 10.0 0.0% 0 4.38s 195 569 0

快速对比

切换对比组合

Gemini 3.5 FlashnonevsKimi K2.7 CodemediumMercury 2mediumvsGPT-5.3 ChatnoneKimi K2.5mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.6 FlashmediumDeepSeek V3.2mediumvsGPT-5.3 ChatnoneKimi K2.7 CodemediumvsStep 3.7 FlashhighGPT-5.3 ChatnonevsGrok Build 0.1mediumSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2.5-PromediumMiniMax M3mediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewnonevsKimi K2.7 CodemediumGemini 3 Flash PreviewlowvsGPT-5.3 Chatnone