AI BENCHY 对比

MoonshotAI: Kimi K3 vs OpenAI: GPT-5.5

摘要

GPT-5.5 (medium) 平均分领先，为 9.0 vs 8.5。 Kimi K3 (max) benchmark 成本更低，为 $3.112 vs $3.679。 GPT-5.5 (medium) 更快，为 37.98s vs 122.48s，通过率为 82.5% vs 87.3%。

推荐模型GPT-5.5 (medium)它在这里得分最高（9.0），同时响应速度比Kimi K3 (max)快约 3.2 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	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24

指标	Kimi K3 Kimi K3 max 发布日期: 2026-07-16	GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24
分数	8.5	9.0
排名	#21	#12
可靠性	9.4	10.0
一致性	9.2	8.9
测试正确
尝试通过率	82.5%	87.3%
不稳定测试	2	3
总运行次数	63	63
每个结果成本	19.446	21.638
总成本	$3.112	$3.679
输入价格	$3.000 / 1M	$5.000 / 1M
输出价格	$15.000 / 1M	$30.000 / 1M
总输入令牌	34,916	34,212
输出令牌	2,910	1,985
推理令牌	197,529	114,925
响应时间（平均）	122.48s	37.98s
响应时间（最大）	766.58s	332.10s
响应时间（总计）	2327.06s	797.60s

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

#12 GPT-5.5

medium

成本: $0.112
时间: 71.9s
令牌: 3,807 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 K3	10.0	10.0	100.0%	0		10.24s	1,638	496	2,629
GPT-5.5	10.0	10.0	100.0%	0		4.66s	606	250	1,335

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 K3	10.0	10.0	100.0%	0		325.79s	8,061	460	84,012
GPT-5.5	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959

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 K3	10.0	10.0	100.0%	0		223.03s	12,792	399	20,460
GPT-5.5	10.0	10.0	100.0%	0		19.29s	11,019	312	2,841

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 K3	7.3	5.8	83.3%	1		16.72s	7,839	354	2,606
GPT-5.5	10.0	10.0	100.0%	0		4.18s	7,140	234	593

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 K3	5.9	7.2	55.6%	1		490.14s	794	80	83,180
GPT-5.5	5.3	7.2	44.4%	1		164.14s	723	67	79,625

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 K3	10.0	10.0	100.0%	0		14.91s	732	191	871
GPT-5.5	10.0	10.0	100.0%	0		4.16s	477	138	223

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 K3	10.0	10.0	100.0%	0		7.66s	1,179	147	1,119
GPT-5.5	10.0	10.0	100.0%	0		3.36s	660	93	538

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 K3	10.0	10.0	100.0%	0		7.36s	1,416	495	1,368
GPT-5.5	10.0	10.0	100.0%	0		6.76s	642	241	2,225

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 K3	3.0	10.0	0.0%	0		0ms	0	0	0
GPT-5.5	10.0	10.0	100.0%	0		10.57s	5,445	258	832

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 K3	3.0	10.0	0.0%	0		19.67s	465	288	1,284
GPT-5.5	2.8	1.6	33.3%	1		37.86s	195	30	1,754

快速对比

切换对比组合

Kimi K3maxvsGPT-5 Minimedium Kimi K3maxvsGLM 5medium Kimi K3maxvsGPT-5.4medium Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsStep 3.7 Flashmedium Kimi K3maxvsGLM 5.2medium Kimi K3maxvsGPT-5.2medium Claude Opus 4.7mediumvsKimi K3max Kimi K3maxvsGrok 4.5medium Muse Spark 1.1lowvsKimi K3max Muse Spark 1.1lowvsGPT-5.5medium