- 排名
- #87
- 总输出令牌
- 233,327
- 响应时间（平均）
- 139.41s
- 总成本
- $3.409
Kimi K3 (max) vs GLM 5.2 (medium)
Kimi K3 (max) 平均分领先，为 8.3 vs 8.2。 GLM 5.2 (medium) benchmark 成本更低，为 $1.007 vs $3.409。 GLM 5.2 (medium) 更快，为 26.88s vs 139.41s，通过率为 78.3% vs 81.2%。
已对比模型
- 排名
- #94
- 总输出令牌
- 81,020
- 响应时间（平均）
- 26.88s
- 总成本
- $1.007
推荐模型
GLM 5.2 (medium)
它的得分接近这里的最高分（8.2 vs 8.3），同时成本比Kimi K3 (max)低约 3.4 倍。
详细对比
| 指标 | Kimi K3 Kimi K3 max | GLM 5.2 GLM 5.2 medium |
|---|---|---|
| 分数 | 8.3 | 8.2 |
| 排名 | #87 | #94 |
| 可靠性 | 9.3 | 9.6 |
| 一致性 | 9.3 | 8.1 |
| 尝试次数 | 69/69 | 66/69 |
| 测试正确 | ||
| 尝试通过率 | 78.3% | 81.2% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 69 | 66 |
| 每个结果成本 | 23.601 | 2.890 |
| 总成本 | $3.409 | $1.007 |
| 输入价格 | $0.830 / 1M | $0.153 / 1M |
| 输出价格 | $14.000 / 1M | $12.000 / 1M |
| 缓存读取价格 | $0.270 / 1M | $0.150 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 170,700 | 227,164 |
| 输出令牌 | 7,719 | 20,029 |
| 推理令牌 | 225,608 | 60,991 |
| 响应时间（平均） | 139.41s | 26.88s |
| 响应时间（最大） | 766.58s | 102.40s |
| 响应时间（总计） | 2788.26s | 591.34s |
| 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 |
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.
#87 MoonshotAI: Kimi K3
max- 成本
- $0.281
- 时间
- 506.9s
- 令牌
- 18,863 tok
#94 GLM 5.2
medium- 成本
- $0.041
- 时间
- 195.8s
- 令牌
- 9,287 tok
类别细分
快速对比
切换对比组合
Gemini 3.5 FlashhighvsKimi K3maxGrok 4.5highvsGLM 5.2mediumGemini 4 ArgonlowvsGLM 5.2mediumClaude Haiku 5.5highvsKimi K3maxKimi K3maxvsGPT-5.6 TerrahighKimi K3maxvsGPT-6 LunamediumClaude Opus 4.8mediumvsKimi K3maxLing 3.1 FlashmediumvsKimi K3maxKimi K3maxvsQwen3.7 PlusmediumGemini 4 ArgonlowvsKimi K3maxKimi K3maxvsGLM 5.2highKimi K3maxvsGrok 4.5high