导航
Advertise here

Kimi K2.7 Code (medium) vs Qwen4 Max

平均分几乎持平,为 7.0 vs 7.0。 Qwen4 Max benchmark 成本更低,为 $0.465 vs $1.136。 Qwen4 Max 更快,为 6.38s vs 81.18s,通过率为 60.9% vs 63.8%。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-11-16

已对比模型

排名
#231
总输出令牌
207,661
响应时间(平均)
81.18s
总成本
$1.136
排名
#230
总输出令牌
9,342
响应时间(平均)
6.38s
总成本
$0.465
推荐模型 Qwen4 Max

它在这里得分最高(7.0),同时成本比Kimi K2.7 Code (medium)低约 2.4 倍。

详细对比

指标 Kimi K2.7 Code Kimi K2.7 Code medium 发布日期: 2026-06-12 Qwen4 Max Qwen4 Max none 发布日期: 2026-11-16
分数 7.0 7.0
排名 #231 #230
可靠性 10.0 10.0
一致性 8.1 9.6
尝试次数 69/69 69/69
测试正确
尝试通过率 60.9% 63.8%
不稳定测试 5 1
总运行次数 69 69
每个结果成本 8.755 3.321
总成本 $1.136 $0.465
输入价格 $0.672 / 1M $1.500 / 1M
输出价格 $3.350 / 1M $4.500 / 1M
缓存读取价格 $0.180 / 1M $0.075 / 1M
缓存写入价格 不适用 $1.875 / 1M
总输入令牌 245,179 281,902
输出令牌 62,697 9,342
推理令牌 196,621 0
响应时间(平均) 81.18s 6.38s
响应时间(最大) 365.80s 67.27s
响应时间(总计) 1785.87s 146.64s
参数量 1T 总计 (32B 激活) ~2.4T 总计 (~95B 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.

#231 MoonshotAI: Kimi K2.7 Code

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

#230 Qwen4 Max

none
成本
$0.027
时间
123.5s
令牌
6,091 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
Qwen4 Max 5.8 10.0 33.3% 0 1.97s 8,010 384 0

切换对比组合