AI BENCHY 对比

MoonshotAI: Kimi K3 vs xAI: Grok 4.5

摘要

Kimi K3 (max) 平均分领先，为 8.5 vs 8.3。 Grok 4.5 (medium) benchmark 成本更低，为 $1.696 vs $3.112。 Grok 4.5 (medium) 更快，为 62.63s vs 122.48s，通过率为 82.5% vs 77.8%。

推荐模型Grok 4.5 (medium)它的得分接近这里的最高分（8.3 vs 8.5），同时成本比Kimi K3 (max)低约 1.8 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	Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08

指标	Kimi K3 Kimi K3 max 发布日期: 2026-07-16	Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08
分数	8.5	8.3
排名	#21	#29
可靠性	9.4	9.9
一致性	9.2	8.9
测试正确
尝试通过率	82.5%	77.8%
不稳定测试	2	3
总运行次数	63	63
每个结果成本	19.446	11.304
总成本	$3.112	$1.696
输入价格	$3.000 / 1M	$2.000 / 1M
输出价格	$15.000 / 1M	$6.000 / 1M
总输入令牌	34,916	53,500
输出令牌	2,910	1,621
推理令牌	197,529	263,127
响应时间（平均）	122.48s	62.63s
响应时间（最大）	766.58s	436.38s
响应时间（总计）	2327.06s	1315.20s

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

#29 xAI: Grok 4.5

medium

成本: $0.044
时间: 59.4s
令牌: 7,512 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
Grok 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018

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
Grok 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634

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
Grok 4.5	10.0	10.0	100.0%	0		15.65s	15,084	261	4,254

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
Grok 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657

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
Grok 4.5	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922

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
Grok 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384

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
Grok 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728

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
Grok 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641

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
Grok 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968

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
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

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 DeepSeek V4 FlashhighvsGrok 4.5medium Kimi K3maxvsGLM 5.2medium GPT-5.6 TerrahighvsGrok 4.5medium Kimi K3maxvsGPT-5.2medium GPT-5.2 ChatnonevsGrok 4.5medium Claude Opus 4.7mediumvsKimi K3max