- 排名
- #59
- 总输出令牌
- 224,128
- 响应时间（平均）
- 142.84s
- 总成本
- $3.467
Kimi K3 (max) vs GLM 5.2 (high)
GLM 5.2 (high) 平均分领先，为 8.0 vs 7.9。 GLM 5.2 (high) benchmark 成本更低，为 $1.463 vs $3.467。 GLM 5.2 (high) 更快，为 69.86s vs 142.84s，通过率为 77.3% vs 69.7%。
- 排名
- #56
- 总输出令牌
- 364,655
- 响应时间（平均）
- 69.86s
- 总成本
- $1.463
推荐模型
GLM 5.2 (high)
它在这里得分最高（8.0），同时成本比Kimi K3 (max)低约 2.4 倍。
详细对比
| 指标 | Kimi K3 Kimi K3 max | GLM 5.2 GLM 5.2 high |
|---|---|---|
| 分数 | 7.9 | 8.0 |
| 排名 | #59 | #56 |
| 可靠性 | 9.0 | 10.0 |
| 一致性 | 9.2 | 8.6 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 77.3% | 69.7% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 21.668 | 6.849 |
| 总成本 | $3.467 | $1.463 |
| 输入价格 | $3.000 / 1M | $1.190 / 1M |
| 输出价格 | $15.000 / 1M | $3.740 / 1M |
| 总输入令牌 | 34,960 | 83,822 |
| 输出令牌 | 2,887 | 72,040 |
| 推理令牌 | 221,241 | 292,615 |
| 响应时间（平均） | 142.84s | 69.86s |
| 响应时间（最大） | 766.58s | 599.43s |
| 响应时间（总计） | 2714.02s | 1536.98s |
| 参数量 | 2.8T 总计 (104B 激活) | 744B 总计 (40B 激活) |
| 开放状态 | 权重可用 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#59 MoonshotAI: Kimi K3
max- 成本
- $0.281
- 时间
- 506.9s
- 令牌
- 18,863 tok
#56 GLM 5.2
high
无效SVG
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 0 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
快速对比
切换对比组合
Kimi K3maxvsGPT-5.2 ChatnoneKimi K3maxvsStep 3.7 FlashmediumKimi K3maxvsQwen3.8 27BlowDeepSeek V4 Flash 0731lowvsGLM 5.2highKimi K3maxvsGPT-5.6 TerrahighInklingmediumvsGLM 5.2highKimi K3maxvsInklingmediumKimi K3maxvsQwen3.7 PlusmediumKimi K3maxvsQwen3.6 PlusmediumGPT-5.2 ChatnonevsGLM 5.2highStep 3.7 FlashmediumvsGLM 5.2highGemini 3.5 Flash LitemediumvsKimi K3max