AI BENCHY 对比

MoonshotAI: Kimi K3 vs Z.ai: GLM 5

摘要

平均分几乎持平，为 8.5 vs 8.6。 GLM 5 (medium) benchmark 成本更低，为 $0.372 vs $3.112。 GLM 5 (medium) 更快，为 33.54s vs 122.48s，通过率为 82.5% vs 82.5%。

推荐模型GLM 5 (medium)它在这里得分最高（8.6），同时成本比Kimi K3 (max)低约 8.4 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	GLM 5 GLM 5 medium 发布日期: 2026-02-12

指标	Kimi K3 Kimi K3 max 发布日期: 2026-07-16	GLM 5 GLM 5 medium 发布日期: 2026-02-12
分数	8.5	8.6
排名	#21	#20
可靠性	9.4	10.0
一致性	9.2	8.5
测试正确
尝试通过率	82.5%	82.5%
不稳定测试	2	4
总运行次数	63	63
每个结果成本	19.446	1.668
总成本	$3.112	$0.372
输入价格	$3.000 / 1M	$0.950 / 1M
输出价格	$15.000 / 1M	$3.150 / 1M
总输入令牌	34,916	35,224
输出令牌	2,910	21,570
推理令牌	197,529	102,996
响应时间（平均）	122.48s	33.54s
响应时间（最大）	766.58s	99.85s
响应时间（总计）	2327.06s	435.99s

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

#20 GLM 5

medium

成本: $0.005
时间: 20.7s
令牌: 2,068 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
GLM 5	10.0	10.0	100.0%	0		23.66s	555	480	7,056

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
GLM 5	10.0	10.0	100.0%	0		74.30s	7,254	2,997	52,930

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
GLM 5	10.0	10.0	100.0%	0		28.96s	12,804	662	3,242

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
GLM 5	7.1	5.6	83.3%	1		8.90s	5,508	567	3,734

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
GLM 5	3.5	4.4	33.3%	2		0ms	260	13,176	14,137

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
GLM 5	6.1	3.1	66.7%	1		14.69s	477	2,020	2,248

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
GLM 5	10.0	10.0	100.0%	0		7.25s	636	1,001	2,129

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
GLM 5	10.0	10.0	100.0%	0		11.33s	609	33	4,076

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
GLM 5	10.0	10.0	100.0%	0		15.93s	6,935	233	994

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
GLM 5	3.0	10.0	0.0%	0		67.37s	186	401	12,450

快速对比

切换对比组合

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