导航
Advertise here

Kimi K2.7 Code (medium) vs Qwen3.7 Max

Qwen3.7 Max 平均分领先,为 7.9 vs 7.0。 Qwen3.7 Max benchmark 成本更低,为 $0.451 vs $1.136。 Qwen3.7 Max 更快,为 7.85s vs 81.18s,通过率为 60.9% vs 69.6%。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-11-22

已对比模型

排名
#249
总输出令牌
207,661
响应时间(平均)
81.18s
总成本
$1.136
排名
#176
总输出令牌
20,670
响应时间(平均)
7.85s
总成本
$0.451
推荐模型 Qwen3.7 Max

它在这里得分最高(7.9),同时成本比Kimi K2.7 Code (medium)低约 2.5 倍。

详细对比

指标 Kimi K2.7 Code Kimi K2.7 Code medium 发布日期: 2026-06-12 Qwen3.7 Max Qwen3.7 Max none 发布日期: 2026-05-22
分数 7.0 7.9
排名 #249 #176
可靠性 10.0 9.9
一致性 8.1 10.0
尝试次数 69/69 69/69
测试正确
尝试通过率 60.9% 69.6%
不稳定测试 5 0
总运行次数 69 69
每个结果成本 8.755 3.070
总成本 $1.136 $0.451
输入价格 $0.672 / 1M $1.475 / 1M
输出价格 $3.350 / 1M $4.425 / 1M
缓存读取价格 $0.180 / 1M $0.295 / 1M
缓存写入价格 不适用 $1.844 / 1M
总输入令牌 245,179 243,553
输出令牌 62,697 20,670
推理令牌 196,621 0
响应时间(平均) 81.18s 7.85s
响应时间(最大) 365.80s 80.34s
响应时间(总计) 1785.87s 180.65s
参数量 1T 总计 (32B 激活) ~1T 总计 (~40B 激活)
开放状态 权重可用 闭源

缓存价格适用于输入令牌。读取会复用已缓存的提示词;写入会存储提示词,可能产生额外费用。输出令牌按输出价格计费。

模型生成展示

Hamster playing table tennis

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

#249 MoonshotAI: Kimi K2.7 Code

medium
成本
$0.025
时间
138.0s
令牌
6,093 tok

#176 Qwen3.7 Max

none
成本
$0.046
时间
195.0s
令牌
12,171 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

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
Qwen3.7 Max 5.5 10.0 33.3% 0 1.35s 7,911 582 0

切换对比组合