MoonshotAI: Kimi K2.7 Code vs OpenAI: GPT-5.6 Luna

GPT-5.6 Luna (high) 平均分领先，为 7.7 vs 7.5。 Kimi K2.7 Code (medium) benchmark 成本更低，为 $0.690 vs $1.017。 GPT-5.6 Luna (high) 更快，为 18.68s vs 84.25s，通过率为 65.2% vs 72.7%。

推荐模型GPT-5.6 Luna (high)它在这里得分最高（7.7），同时响应速度比Kimi K2.7 Code (medium)快约 4.5 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Kimi K2.7 Code Kimi K2.7 Code medium 发布日期: 2026-06-12	GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09

指标	Kimi K2.7 Code Kimi K2.7 Code medium 发布日期: 2026-06-12	GPT-5.6 Luna GPT-5.6 Luna high 发布日期: 2026-07-09
分数	7.5	7.7
排名	#50	#42
可靠性	10.0	10.0
一致性	8.3	8.9
测试正确
尝试通过率	65.2%	72.7%
不稳定测试	4	3
总运行次数	66	66
每个结果成本	6.457	6.780
总成本	$0.690	$1.017
输入价格	$0.750 / 1M	$1.000 / 1M
输出价格	$3.500 / 1M	$6.000 / 1M
总输入令牌	72,073	80,918
输出令牌	83,714	5,088
推理令牌	178,793	150,910
响应时间（平均）	84.25s	18.68s
响应时间（最大）	365.80s	111.09s
响应时间（总计）	1769.22s	411.05s

Hamster playing table tennis

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

#50 MoonshotAI: Kimi K2.7 Code

medium

成本: $0.025
时间: 138.0s
令牌: 6,093 tok

#42 GPT-5.6 Luna

high

成本: $0.033
时间: 34.2s
令牌: 5,484 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

类别:

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-5.6 Luna	8.3	10.0	75.0%	0		2.99s	606	162	1,265

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	7.8	9.3	66.7%	0		146.73s	4,650	1,864	25,635
GPT-5.6 Luna	5.5	4.7	55.6%	2		15.63s	7,302	510	17,746

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	7.3	5.8	83.3%	1		66.03s	57,353	3,642	21,308
GPT-5.6 Luna	10.0	10.0	100.0%	0		19.05s	57,719	3,366	8,005

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-5.6 Luna	10.0	10.0	100.0%	0		2.18s	7,140	234	470

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	5.5	9.3	33.3%	0		213.29s	431	55,572	63,639
GPT-5.6 Luna	7.7	10.0	66.7%	0		78.96s	723	69	96,395

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-5.6 Luna	5.0	10.0	0.0%	0		3.65s	477	117	563

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-5.6 Luna	9.9	10.0	100.0%	0		1.79s	660	97	481

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-5.6 Luna	7.6	7.2	77.8%	1		14.55s	642	242	18,281

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-5.6 Luna	10.0	10.0	100.0%	0		4.98s	5,454	260	324

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-5.6 Luna	3.0	10.0	0.0%	0		17.00s	195	31	7,380

快速对比

切换对比组合

Claude Opus 4.6mediumvsGPT-5.6 Lunahigh GPT-5.6 LunahighvsGLM 5medium Kimi K2.7 CodemediumvsGPT-5.3 Chatnone Kimi K2.7 CodemediumvsGPT-5.6 Terralow Claude Opus 4.8lowvsGPT-5.6 Lunahigh MiniMax M3mediumvsGPT-5.6 Lunahigh Kimi K2.7 CodemediumvsQwen3.7 Maxnone GPT-5.6 LunahighvsGrok Build 0.1medium DeepSeek V4 ProhighvsKimi K2.7 Codemedium Claude Sonnet 4.6mediumvsGPT-5.6 Lunahigh DeepSeek V4 FlashhighvsKimi K2.7 Codemedium GPT-5.6 LunahighvsGLM 5.2medium