AI BENCHY 对比

已对比模型

摘要

Kimi K3 (max) vs Kimi K2.6 (medium) vs GPT-5.6 Sol (medium) 基准对比GPT-5.6 Sol (medium) 在分数上以 9.4 领先。 Kimi K2.6 (medium) 在可靠性上以 10.0 领先。 GPT-5.6 Sol (medium) 的总成本最低，为 $0.966。 GPT-5.6 Sol (medium) 最快，为 10.79s。

推荐模型GPT-5.6 Sol (medium)它在这里得分最高（9.4），同时成本比本次比较中的其他模型低约 2.2 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-16

指标	Kimi K3 Kimi K3 max 发布日期: 2026-07-16	Kimi K2.6 Kimi K2.6 medium 发布日期: 2026-04-20 免费可用	GPT-5.6 Sol GPT-5.6 Sol medium 发布日期: 2026-07-09

指标	Kimi K3 Kimi K3 max 发布日期: 2026-07-16	Kimi K2.6 Kimi K2.6 medium 发布日期: 2026-04-20 免费可用	GPT-5.6 Sol GPT-5.6 Sol medium 发布日期: 2026-07-09
分数	8.5	7.8	9.4
排名	#21	#49	#5
可靠性	9.4	10.0	10.0
一致性	9.2	8.6	8.8
测试正确
尝试通过率	82.5%	65.1%	90.5%
不稳定测试	2	3	3
总运行次数	63	63	63
每个结果成本	19.446	8.358	5.682
总成本	$3.112	$1.047	$0.966
输入价格	$3.000 / 1M	$0.950 / 1M	$5.000 / 1M
输出价格	$15.000 / 1M	$4.000 / 1M	$30.000 / 1M
总输入令牌	34,916	29,450	34,218
输出令牌	2,910	102,923	1,895
推理令牌	197,529	254,094	24,600
响应时间（平均）	122.48s	71.67s	10.79s
响应时间（最大）	766.58s	406.78s	79.40s
响应时间（总计）	2327.06s	1433.36s	226.57s

生成展示

Hamster playing table tennis

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

#21 MoonshotAI: Kimi K3

max

成本: $0.281
时间: 506.9s
令牌: 18,863 tok

#49 MoonshotAI: Kimi K2.6

medium

成本: $0.013
时间: 103.4s
令牌: 3,620 tok

#5 GPT-5.6 Sol

medium

成本: $0.124
时间: 57.2s
令牌: 4,199 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	响应时间（平均）	输入令牌	输出令牌	推理令牌
Kimi K3	10.0	10.0	100.0%	0	10.24s	1,638	496	2,629
Kimi K2.6	7.0	8.0	66.7%	1	11.59s	618	7,115	8,934
GPT-5.6 Sol	10.0	10.0	100.0%	0	2.81s	606	173	572

编程	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Kimi K3	10.0	10.0	100.0%	325.79s	8,061	460	84,012
Kimi K2.6	5.7	8.6	33.3%	214.42s	2,925	9,970	77,189
GPT-5.6 Sol	10.0	10.0	100.0%	9.40s	7,302	394	4,706

综合	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Kimi K3	10.0	10.0	100.0%	223.03s	12,792	399	20,460
Kimi K2.6	10.0	10.0	100.0%	40.96s	11,271	711	13,876
GPT-5.6 Sol	10.0	10.0	100.0%	12.13s	11,019	318	1,214

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Kimi K3	7.3	5.8	83.3%	1	16.72s	7,839	354	2,606
Kimi K2.6	10.0	10.0	100.0%	0	20.38s	7,014	316	11,305
GPT-5.6 Sol	10.0	10.0	100.0%	0	1.38s	7,140	222	0

领域专项	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Kimi K3	5.9	7.2	55.6%	1	490.14s	794	80	83,180
Kimi K2.6	5.3	7.2	44.4%	1	202.38s	326	47,035	98,262
GPT-5.6 Sol	5.9	7.2	55.6%	1	47.86s	723	71	16,201

通用智能	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Kimi K3	10.0	10.0	100.0%	14.91s	732	191	871
Kimi K2.6	10.0	10.0	100.0%	17.83s	477	3,981	4,472
GPT-5.6 Sol	10.0	10.0	100.0%	3.48s	477	99	214

指令遵循	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Kimi K3	10.0	10.0	100.0%	7.66s	1,179	147	1,119
Kimi K2.6	10.0	10.0	100.0%	12.53s	669	3,977	5,269
GPT-5.6 Sol	10.0	10.0	100.0%	2.50s	660	96	249

谜题求解	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Kimi K3	10.0	10.0	100.0%	0	7.36s	1,416	495	1,368
Kimi K2.6	6.0	7.4	55.6%	1	25.06s	651	13,860	17,599
GPT-5.6 Sol	8.2	7.2	88.9%	1	2.98s	642	228	566

工具调用	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Kimi K3	3.0	10.0	0.0%	0ms	0	0	0
Kimi K2.6	10.0	10.0	100.0%	8.92s	5,286	248	1,011
GPT-5.6 Sol	10.0	10.0	100.0%	6.30s	5,454	264	361

常识问答	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Kimi K3	3.0	10.0	0.0%	0	19.67s	465	288	1,284
Kimi K2.6	3.0	10.0	0.0%	0	130.27s	213	15,710	16,177
GPT-5.6 Sol	4.7	1.6	66.7%	1	4.94s	195	30	517

快速对比

切换对比组合

Kimi K3maxvsGPT-5 Minimedium Kimi K3maxvsGLM 5medium Claude Opus 4.8lowvsKimi K2.6medium免费可用 Kimi K3maxvsGPT-5.4medium Kimi K2.6medium免费可用vsGPT-5.6 Terralow Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsStep 3.7 Flashmedium Kimi K2.6medium免费可用vsStep 3.7 Flashlow Kimi K2.6medium免费可用vsGPT-5.6 Lunahigh Kimi K2.6medium免费可用vsGrok 4.5low KAT-Coder-Pro V2.5highvsKimi K2.6medium免费可用