BenchLeader

Claude Opus 4.6 vs Kimi K3.1 Pro

完整资料:Claude Opus 4.6(Anthropic)和 Kimi K3.1 Pro(Moonshot AI),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,Claude Opus 4.6 与 Kimi K3.1 Pro 的质量不相上下(BenchLeader Index 62.5 比 61.8,在 ±3.9 的误差范围内)。Kimi K3.1 Pro 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $4.00 比 $10.00)。看重推理(65 比 59)和编程(62 比 60)选 Claude Opus 4.6;看重数学(73 比 63)选 Kimi K3.1 Pro。Claude Opus 4.6 的首次回答更快(1.1 秒 比 157.4 秒)。

要点(截至 2026年11月16日)

  • Claude Opus 4.6 的 BenchLeader Index 为 62.5,Kimi K3.1 Pro 为 61.8(BenchLeader,2026年11月16日)。
  • Claude Opus 4.6 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • Kimi K3.1 Pro 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Claude Opus 4.6类别得分 62 比 60中
数学Kimi K3.1 Pro类别得分 73 比 63高
推理Claude Opus 4.6类别得分 65 比 59中
图像及其他媒体均可类别得分 67 比 66均可
对话质量(人类偏好)–只有 Claude Opus 4.6 有 Arena 评分(类别得分 70)无法比较
成本最低Kimi K3.1 Pro每百万 token 混合价格 $4.00 比 $10.00;智能体编程会话 $0.160 比 $0.400–
首次回答最快Claude Opus 4.6首个回答 token 1.1 秒(Claude Opus 4.6 (high))比 157.4 秒(Kimi K3.1 Pro)–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Claude Opus 4.6 (high) 与 Kimi K3.1 Pro 的质量不相上下(62.5 比 61.8,在 ±3.9 的误差范围内)。
  • Claude Opus 4.6 (high) 在编程、多模态、推理方面更强。
  • Kimi K3.1 Pro 在数学方面更强。
  • Kimi K3.1 Pro 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $4.00 比 $10.00)。

概览

规格Claude Opus 4.6Kimi K3.1 Pro
提供商AnthropicMoonshot AI
发布日期2026年2月5日2026年10月23日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Opus 4.6 (high)Kimi K3.1 Pro
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$2.00 / $10.00 / $0.200

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Opus 4.6 (high)Kimi K3.1 Pro领先者
推理65.059.2Claude Opus 4.6
编程62.259.6Claude Opus 4.6
智能体与工具–64.6无法比较
数学63.473.4Kimi K3.1 Pro
知识–58.2无法比较
人类偏好69.8–无法比较
多模态66.766.3持平
长上下文–67.9无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程数学多模态Claude Opus 4.6, 推理: 65.0Claude Opus 4.6, 编程: 62.2Claude Opus 4.6, 数学: 63.4Claude Opus 4.6, 多模态: 66.7Kimi K3.1 Pro, 推理: 59.2Kimi K3.1 Pro, 编程: 59.6Kimi K3.1 Pro, 数学: 73.4Kimi K3.1 Pro, 多模态: 66.3

未绘制(测得的模型少于两个):智能体与工具, 知识, 指令遵循, 长上下文, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 0 项基准测试中,Claude Opus 4.6 领先 0 项,Kimi K3.1 Pro 领先 0 项。所有同时评测两者的综合评分都认为 Claude Opus 4.6 更强。

综合 IndexClaude Opus 4.6 (high)Kimi K3.1 Pro领先者
BenchLeader Index62.561.8不相上下
Arena Text15031485†Claude Opus 4.6

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Opus 4.6 (high)Kimi K3.1 Pro
每百万 token 混合价格$10.00$4.00
每百万 token 输入 / 输出$5.00 / $25.00$2.00 / $10.00
每百万 token 缓存输入$0.500$0.200
每项任务价格:聊天回复$0.0095$0.0038
每项任务价格:总结一份 30 页的报告$0.075$0.030
每项任务价格:代码编辑$0.068$0.027
每项任务价格:智能体编程会话$0.400$0.160
每项任务价格:结构化信息提取$0.015$0.0060
智能体编程会话(输入大多命中缓存)$0.198$0.079
每项基准测试任务成本(AA Index)–$3.68
每项任务输出 token(AA Index)–72k
其中推理部分–44k
每项任务耗时(AA Index)–40 min
输出速度35 tok/s30 tok/s
首次回答时间1.1 秒157.4 秒
完整回答耗时(最近一次测量 2026年11月13日)–417.5 秒

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 4.6 (high) 得分 62.5,首个回答 token 需 1 秒;Claude Opus 4.6 为 62.1(1 秒),Claude Opus 4.6 (无推理) 为 58.4(2 秒)。Kimi K3.1 Pro 得分 61.8,首个回答 token 需 157 秒;Kimi K3.1 Pro (max) 为 59.9(157 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 177 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Opus 4.6 (high)Kimi K3.1 Pro
BenchLeader IndexBenchLeader62.561.8
编程得分BenchLeader62.259.6
人类偏好得分BenchLeader69.8–
数学得分BenchLeader63.473.4
多模态得分BenchLeader66.766.3
推理得分BenchLeader65.059.2
智能体与工具得分BenchLeader–64.6
知识得分BenchLeader–58.2
长上下文得分BenchLeader–67.9
混合价格(美元/百万 token)BenchLeader$10.00$4.00
输出速度BenchLeader35 tok/s30 tok/s
首次回答时间BenchLeader1.1 秒157.4 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.5%†–
Humanity's Last ExamScale AI / CAIS19.0%†–
SimpleBenchSimpleBench67.6%†–
Arena Hard PromptsArena (LMArena)15301504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
LiveBench 1.0 ReasoningLiveBench88.7%–
GPQA Diamond (AA)Artificial Analysis84.0%†–
Humanity's Last Exam (AA)Artificial Analysis19.1%†52.5%
HLE-Diamond (AA)Artificial Analysis–37.3%
GPQA Diamond (Vals)Vals AI89.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†–
ARC-AGI-1ARC Prize94.0%–
ARC-AGI-2ARC Prize69.2%–
ARC-AGI-3ARC Prize0.5%†–
CritPtArtificial Analysis2.8%†24.6%
CritPt v2 hard subset (AA)Artificial Analysis–49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)15441515†
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%†–
CL-benchEpoch AI Benchmarking Hub20.7%†–
CL-bench LifeEpoch AI Benchmarking Hub17.0%–
LMCAEpoch AI Benchmarking Hub55.8%†57.6%†
DTBenchEpoch AI Benchmarking Hub91.2%†93.3%†
ForecastBenchForecastBench63.1%†–
显示全部 177 项基准测试
指标发布方Claude Opus 4.6 (high)Kimi K3.1 Pro
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%†–
SciCodeSciCode–60.8%
WeirdMLWeirdML78.0%–
FrontierCodeCognition26.6%†–
GSO-BenchGSO-Bench41.2%–
Arena CodingArena (LMArena)15471530†
Arena WebDevArena (LMArena)15471687†
LiveBench 2.0 CodingLiveBench–67.8%†
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI84.7%†–
IOIVals AI–81.9%†
SWE-bench (Vals)Vals AI78.2%†–
SWE-Bench ProScale AI SEAL51.9%†–
SWE-bench Verified (bash only)SWE-bench75.6%†–
SWE-bench Multilingual (bash only)SWE-bench72.0%†–
SWE-bench Verified (any scaffold)SWE-bench75.6%†–
Vibe Code Bench v1.1Vals AI57.6%†84.9%†
SWE-Bench Pro (private)Scale AI SEAL47.1%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL33.3%†–
SWE Atlas v1.0: RefactoringScale AI SEAL35.6%†–
SWE Atlas v1.0: Test WritingScale AI SEAL36.7%†–
SWE Atlas v1.1Scale AI SEAL–61.1%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–54.3%
MirrorCodeEpoch AI Benchmarking Hub33.3%†–
ALE-BenchEpoch AI Benchmarking Hub996.5†1932.8†
AlgoTuneAlgoTune1.5–
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis–67.2%
GameBench 2 OverallDuelLab GameBench 2–78.3
GameBench 2 by reasoning settingDuelLab GameBench 2–84.0†
Design Arena WebsiteDesign Arena1283†1321
FrontierCode 1.1 (AA)Artificial Analysis–47.1%
FrontierCode 2.0 (AA)Artificial Analysis–25.4%
智能体与工具
Terminal-BenchTerminal-Bench79.8%†59.7%†
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†–
APEX-AgentsMercor46.3%†65.5%
Arena AgentArena (LMArena)–4.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis48.5%†–
τ²-Bench Telecom (AA)Artificial Analysis84.8%†–
MCP AtlasScale AI SEAL76.8%†–
HiL-BenchScale AI SEAL38.3%†61.3%
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis–1861
Analyst Agent (AA)Artificial Analysis–38.8%
APEX-Agents (AA)Artificial Analysis33.0%†–
Finance Agent v2.1Vals AI–61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.7%†
Legal Research BenchVals AI–37.5%†
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI–24.9%†
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
Terminal-Bench 4.0 (Vals)Vals AI–63.6%†
Terminal-Bench ScienceVals AI–31.4%†
Arena SearchArena (LMArena)1222†–
Arena Agent Task CompletionArena (LMArena)–2.7†
DeepResearch BenchDeepResearch Bench55.3%–
METR Time HorizonsMETR78.9%†–
GBAEvalEpoch AI Benchmarking Hub44.1%†–
Vending-Bench 2Andon Labs8017.6†–
AutomationBenchArtificial Analysis–73.3%
GDP.pdf (AA)Artificial Analysis–31.4%
AA-Briefcase v1.1Artificial Analysis–1674
Design Arena AgenticDesign Arena1196†1301
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–34.3%
CWE-Bench (AA)Artificial Analysis–60.8%
DeepSec-Bench (AA)Artificial Analysis–36.7%
CyberGym end-to-end (AA)Artificial Analysis–94.7%
MKA (AA)Artificial Analysis–43.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†–
ProofBenchVals AI50.0%†91.0%
LiveBench MathematicsLiveBench89.3%–
AIME (Vals)Vals AI95.6%†–
AIME 2026MathArena96.7%–
HMMT February 2026MathArena96.2%–
USAMO 2026MathArena47.0%–
MathArena ApexMathArena34.5%–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1516–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†–
LiveBench 2.0 Data AnalysisLiveBench–79.1%†
LiveBench ResearchLiveBench–82.1%†
LiveBench 1.0 Data AnalysisLiveBench69.9%–
AA-Omniscience v1.1Artificial Analysis–29.9
MMLU-ProVals AI89.1%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI67.0%†–
TaxEvalVals AI76.0%†–
MedQAVals AI95.4%†–
PRBench FinanceScale AI SEAL53.3%†47.5%
PRBench LegalScale AI SEAL52.3%†47.9%
MultiNRCScale AI SEAL48.3%†–
BioMysteryBenchVals AI–75.6%†
CaseLaw v2Vals AI62.1%†–
Excel Modeling Benchmark v1.1Vals AI–70.0%†
MedCodeVals AI49.1%†–
MedScribeVals AI86.7%†–
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL27.7%†63.4%†
EBR-benchEpoch AI Benchmarking Hub12.7%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–62.7%
Global-MMLU-Lite (AA)Artificial Analysis90.6%†–
指令遵循
LiveBench LanguageLiveBench83.3%–
LiveBench Instruction FollowingLiveBench63.3%–
IFBenchArtificial Analysis44.6%†–
MultiChallengeScale AI SEAL56.0%†–
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)15111487†
人类偏好
Arena TextArena (LMArena)15031485†
EQ-Bench 4EQ-Bench1210†–
EQ-Bench Creative Writing v3EQ-Bench1810†2173
Arena Creative WritingArena (LMArena)14991453†
Arena Multi-turnArena (LMArena)15171475†
Arena Longer QueriesArena (LMArena)15221491†
多模态
Arena VisionArena (LMArena)1316–
LiveBench DesignLiveBench–73.7%†
MMMU-ProArtificial Analysis72.5%†83.9%
VISTAScale AI SEAL45.5%†–
MMMU-Pro (Vals)Vals AI83.9%†–
MortgageTaxVals AI68.5%†–
Humanity's Sixth SenseScale AI SEAL–33.2%†
VTBScale AI SEAL27.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†–
VIALS-AAHandshake AI–45.3%
AA-3DArtificial Analysis–1112
长上下文
AA-LCR v1.1Artificial Analysis67.0%†86.3%
Arena DocumentArena (LMArena)1497–
MLCRArtificial Analysis–38.3%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†161.4
LiveBench 2.0LiveBench–68.7%†
LiveBench 1.0LiveBench74.5%–
AA Intelligence Index v5.0.1Artificial Analysis–46.5
AA Intelligence Index v4.3.2Artificial Analysis26.4†55.1
AA Progress Index v1Artificial Analysis274.5†340.7
Vals IndexVals AI–62.5†
Vals Finance IndexVals AI–56.0%†
Vals Science IndexVals AI–44.4%†
Vals Legal IndexVals AI–67.0%†
AA Cyber IndexArtificial Analysis–64.1
安全与诚实
FORTRESSScale AI SEAL20.5%†18.6%
MASKScale AI SEAL96.3%†–
元数据
AA Openness IndexArtificial Analysis–33.3

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Kimi K3.1 Pro:BenchLeader Index 61.2 → 61.8。
  • Kimi K3.1 Pro:1 项分数修订。
  • Kimi K3.1 Pro:1 项分数修订。
  • Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
  • Kimi K3.1 Pro:1 项新结果(HiL-Bench)。
  • Kimi K3.1 Pro:3 项新结果(PRBench Finance, PRBench Legal, FORTRESS);2 项分数修订。
  • Kimi K3.1 Pro:2 项新结果(APEX-Agents, Epoch Capabilities Index)。
  • Kimi K3.1 Pro:BenchLeader Index 61.8 → 61.2。
  • Kimi K3.1 Pro:5 项分数修订。
  • Kimi K3.1 Pro:BenchLeader Index 61.3 → 61.8。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 4.6 vs Kimi K3.1 Pro:常见问题

Claude Opus 4.6 比 Kimi K3.1 Pro 更好吗?
Claude Opus 4.6 (high) 与 Kimi K3.1 Pro 的质量不相上下(62.5 比 61.8,在 ±3.9 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Opus 4.6 和 Kimi K3.1 Pro 哪个更便宜?价格会变吗?
目前 Kimi K3.1 Pro 更便宜:每百万 token $4.00 比 $10.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Opus 4.6 还是 Kimi K3.1 Pro 更好?
Claude Opus 4.6 在编程方面得分更高(类别得分 62 比 60,50 为平均水平)。
Claude Opus 4.6 和 Kimi K3.1 Pro 哪个更快?
Claude Opus 4.6 输出更快(输出 35 比 30 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都约为 1M token(Claude Opus 4.6 为 1,000,000,Kimi K3.1 Pro 为 1,048,576)。
更多问题(2)
哪个延迟更低?
Claude Opus 4.6 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.1 秒比 157.4 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
Kimi K3.1 Pro 是什么时候发布的?
Kimi K3.1 Pro 于 2026年10月23日 发布。