BenchLeader

Claude Sonnet 5.5 vs Kimi K3

完整资料:Claude Sonnet 5.5(Anthropic)和 Kimi K3(Moonshot AI),包括全部基准测试、价格和排名。

更新于 · 数据来自 17 个来源

截至 2026年11月16日,Claude Sonnet 5.5 与 Kimi K3 的质量不相上下(BenchLeader Index 64.2 比 60.7,在 ±6.5 的误差范围内)。Claude Sonnet 5.5 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。看重智能体与工具(71 比 54)和编程(70 比 62)选 Claude Sonnet 5.5;看重知识(66 比 57)选 Kimi K3。Kimi K3 的首次回答更快(0.8 秒 比 290.5 秒)。Claude Sonnet 5.5 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Sonnet 5.5 的 BenchLeader Index 为 64.2,Kimi K3 为 60.7(BenchLeader,2026年11月16日)。
  • Claude Sonnet 5.5 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Kimi K3 每百万 token 混合价格为 $6.00(标价,2026年11月16日)。
  • Claude Sonnet 5.5 比 Kimi K3 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 12 项基准测试中,Claude Sonnet 5.5 领先 7 项(BenchLeader,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 Sonnet 5.5类别得分 70 比 62;SciCode 61.0% 比 58.7%高
智能体与工具调用Claude Sonnet 5.5类别得分 71 比 54;APEX-Agents 75.5% 比 47.8%高
数学均可类别得分 71 比 72;ProofBench 100.0% 比 87.0%均可
知识Kimi K3类别得分 66 比 57;LiveBench 1.0 Data Analysis 78.7% 比 59.5%高
对话质量(人类偏好)–只有 Kimi K3 有 Arena 评分(类别得分 69)无法比较
成本最低Claude Sonnet 5.5每百万 token 混合价格 $4.00 比 $6.00;智能体编程会话 $0.160 比 $0.240–
首次回答最快Kimi K3首个回答 token 0.8 秒(Kimi K3)比 290.5 秒(Claude Sonnet 5.5 (max))–
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 Sonnet 5.5 (max) 与 Kimi K3 的质量不相上下(64.2 比 60.7,在 ±6.5 的误差范围内)。
  • Claude Sonnet 5.5 (max) 在智能体与工具、编程方面更强。
  • Kimi K3 在知识、数学方面更强。
  • Claude Sonnet 5.5 (max) 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。
  • Claude Sonnet 5.5 (max) 的输出速度是对方的 2.0 倍(152 比 76 token/秒)。

概览

规格Claude Sonnet 5.5Kimi K3
提供商AnthropicMoonshot AI
发布日期2026年9月28日2026年7月16日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Sonnet 5.5 (max)Kimi K3
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.100$3.00 / $15.00 / $0.300

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 Sonnet 5.5 (max)Kimi K3领先者
推理67.8–无法比较
编程70.261.8Claude Sonnet 5.5
智能体与工具70.553.5Claude Sonnet 5.5
数学71.371.5持平
知识57.466.1Kimi K3
人类偏好–68.6无法比较
长上下文66.0–无法比较
综合63.0–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编程智能体与工具数学知识Claude Sonnet 5.5, 编程: 70.2Claude Sonnet 5.5, 智能体与工具: 70.5Claude Sonnet 5.5, 数学: 71.3Claude Sonnet 5.5, 知识: 57.4Kimi K3, 编程: 61.8Kimi K3, 智能体与工具: 53.5Kimi K3, 数学: 71.5Kimi K3, 知识: 66.1

未绘制(测得的模型少于两个):推理, 指令遵循, 长上下文, 多模态, 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 12 项基准测试中,Claude Sonnet 5.5 领先 7 项,Kimi K3 领先 5 项。第三方来源看法不一:Claude Sonnet 5.5 在 AA Intelligence Index v5.0.1和Vals Index 上领先;Kimi K3 在 Arena Text 上领先。

综合 IndexClaude Sonnet 5.5 (max)Kimi K3领先者
BenchLeader Index64.260.7不相上下
AA Intelligence Index v5.0.154.517.4†Claude Sonnet 5.5
Vals Index70.853.0†Claude Sonnet 5.5
Arena Text1473†1487Kimi K3

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 Sonnet 5.5 (max)Kimi K3
每百万 token 混合价格$4.00$6.00
每百万 token 输入 / 输出$2.00 / $10.00$3.00 / $15.00
每百万 token 缓存输入$0.100$0.300
每项任务价格:聊天回复$0.0038$0.0057
每项任务价格:总结一份 30 页的报告$0.030$0.045
每项任务价格:代码编辑$0.027$0.041
每项任务价格:智能体编程会话$0.160$0.240
每项任务价格:结构化信息提取$0.0060$0.0090
智能体编程会话(输入大多命中缓存)$0.074$0.118
每项基准测试任务成本(AA Index)$10.02–
每项任务输出 token(AA Index)285k–
其中推理部分206k–
每项任务耗时(AA Index)31 min–
输出速度152 tok/s76 tok/s
首次回答时间290.5 秒0.8 秒
完整回答耗时(最近一次测量 2026年11月13日)487.7 秒–

每个模型都按其排名最高的推理强度设置进行对比。Claude Sonnet 5.5 (max) 得分 64.2,首个回答 token 需 291 秒;Claude Sonnet 5.5 (xhigh) 为 62.5(27 秒),Claude Sonnet 5.5 (high) 为 59.5(9 秒)。Kimi K3 得分 60.7,首个回答 token 需 1 秒;Kimi K3 (max) 为 60.2(55 秒),Kimi K3 (low) 为 53.6(8 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 182 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 Sonnet 5.5 (max)Kimi K3
BenchLeader IndexBenchLeader64.260.7
智能体与工具得分BenchLeader70.553.5
编程得分BenchLeader70.261.8
综合得分BenchLeader63.0–
知识得分BenchLeader57.466.1
长上下文得分BenchLeader66.0–
数学得分BenchLeader71.371.5
推理得分BenchLeader67.8–
人类偏好得分BenchLeader–68.6
混合价格(美元/百万 token)BenchLeader$4.00$6.00
输出速度BenchLeader152 tok/s76 tok/s
首次回答时间BenchLeader290.5 秒0.8 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.6%93.1%†
Humanity's Last ExamScale AI / CAIS46.1%†–
SimpleBenchSimpleBench75.9%†60.7%†
Arena Hard PromptsArena (LMArena)1499†1516†
LiveBench 2.0 ReasoningLiveBench91.6%90.7%†
LiveBench 1.0 ReasoningLiveBench91.6%90.7%
GPQA Diamond (AA)Artificial Analysis–93.5%†
Humanity's Last Exam (AA)Artificial Analysis55.0%46.9%†
HLE-Diamond (AA)Artificial Analysis53.3%26.9%†
GPQA Diamond (Vals)Vals AI–92.9%
ARC-AGI-1ARC Prize96.5%94.5%†
ARC-AGI-2ARC Prize83.9%†60.4%†
ARC-AGI-3ARC Prize72.4%†–
CritPtArtificial Analysis31.4%23.4%†
CritPt v2 hard subset (AA)Artificial Analysis59.0%40.5%†
MysteryMechanismVals AI49.1%–
HLE-Diamond (Scale)Scale AI SEAL37.5%†22.2%
Arena ExpertArena (LMArena)1512†1528†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%26.0%†
LMCAEpoch AI Benchmarking Hub68.3%52.7%†
DTBenchEpoch AI Benchmarking Hub97.3%91.2%†
ForecastBenchForecastBench–64.2%†
编程
SciCodeSciCode61.0%58.7%
WeirdMLWeirdML–82.6%†
显示全部 182 项基准测试
指标发布方Claude Sonnet 5.5 (max)Kimi K3
编程
FrontierCodeCognition52.1%†44.2%
Arena CodingArena (LMArena)1517†1538†
Arena WebDevArena (LMArena)1772†1658†
LiveBench 2.0 CodingLiveBench77.2%53.1%†
LiveBench 1.0 CodingLiveBench91.4%81.5%
SciCode (AA)Artificial Analysis61.0%59.5%†
LiveCodeBenchVals AI–87.2%†
IOIVals AI83.1%48.9%†
SWE-bench (Vals)Vals AI–93.4%
Code MigrationVals AI69.8%16.1%†
Code Migration v1.1Vals AI86.9%28.6%†
ProgramBenchVals AI6.5%2.0%
SWE-bench MultimodalVals AI58.3%44.2%†
Vibe Code Bench 1-100Vals AI–18.2%†
Vibe Code Bench v1.1Vals AI92.4%85.0%†
SWE Atlas v1.1Scale AI SEAL68.3%†61.0%
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†65.3%
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†63.3%
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†54.3%
SWE-Bench Pro V2Scale AI SEAL95.8%†97.7%†
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†88.2%†
MirrorCodeEpoch AI Benchmarking Hub97.8%54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub–95.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–68.5%†
CursorBenchCursor55.5%–
ALE-BenchEpoch AI Benchmarking Hub1819.1†1524.5†
FrontierSWEEpoch AI Benchmarking Hub61.9%25.9%†
WeirdML v3WeirdML19.9%†7.5%†
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%12.6%†
Terminal-Bench 2.1 (AA)Artificial Analysis–85.0%†
Startrise FrontendStartrise75.9%†79.8%
GameBench 2 OverallDuelLab GameBench 260.4†48.0
GameBench 2 by reasoning settingDuelLab GameBench 291.4†45.7†
Design Arena WebsiteDesign Arena1309†1336
FrontierCode 1.1 (AA)Artificial Analysis45.8%43.6%†
FrontierCode 2.0 (AA)Artificial Analysis41.7%10.9%†
智能体与工具
Terminal-BenchTerminal-Bench63.9%23.0%†
APEX-AgentsMercor75.5%47.8%
Arena AgentArena (LMArena)160.6†
LiveBench Long AgenticLiveBench63.4%36.0%†
LiveBench BrowserLiveBench89.3%75.2%†
LiveBench Agentic CodingLiveBench56.3%62.2%
Terminal-Bench 2.1 (Vals)Vals AI83.2%†80.9%
MCP AtlasScale AI SEAL–82.3%†
HiL-BenchScale AI SEAL–42.7%
τ³-bench Bankingτ²-bench–37.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%–
GDPval-AA v2.1Artificial Analysis18381542†
τ³-Banking (AA)Artificial Analysis–46.0%†
ITBench SRE (AA)Artificial Analysis–47.7%†
Analyst Agent (AA)Artificial Analysis57.5%38.8%†
APEX-Agents (AA)Artificial Analysis–41.3%†
CyberBenchVals AI59.6%75.2%†
Finance Agent v2Vals AI58.1%53.1%†
Finance Agent v2.1Vals AI67.3%60.0%†
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%12.9%†
Harvey's Legal Agent Benchmark v1Vals AI2.9%12.9%†
Legal Research BenchVals AI48.1%46.1%†
SREBenchVals AI30.1%–
Tax Agent BenchVals AI42.0%33.4%†
Terminal-Bench 4.0 (Vals)Vals AI64.1%17.2%†
Terminal-Bench ScienceVals AI47.1%1.4%†
Time Horizon Index: KSPVals AI–10.5%†
Arena Agent Task CompletionArena (LMArena)19.53.4†
PostTrainBenchEpoch AI Benchmarking Hub–31.5%
GBAEvalEpoch AI Benchmarking Hub–48.4%
Vending-Bench 2Andon Labs11165.3†5165.0
SpireClimbEpoch AI Benchmarking Hub1.3%–
AutomationBenchArtificial Analysis71.8%58.3%†
GDP.pdf (AA)Artificial Analysis25.8%22.0%†
Harvey LAB-AA v1.1Harvey2.8%5.3%†
EnterpriseOps-GymArtificial Analysis–45.3%†
AA-Briefcase v1.1Artificial Analysis18161497†
GDPxGDPx by SemiAnalysis8.2%3.7%†
Design Arena AgenticDesign Arena1293†1261
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%8.1%†
CWE-Bench (AA)Artificial Analysis–53.3%†
DeepSec-Bench (AA)Artificial Analysis–12.4%†
CyberGym end-to-end (AA)Artificial Analysis–58.0%†
MKA (AA)Artificial Analysis52.0%–
FACTS SearchGoogle86.8%†90.3%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%72.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%39.0%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%97.2%†
ProofBenchVals AI100.0%87.0%
LiveBench MathematicsLiveBench96.1%84.4%
AIME 2026MathArena–96.7%†
HMMT February 2026MathArena–97.0%†
MathArena ApexMathArena–65.6%†
Arena MathsArena (LMArena)1486†1502†
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%0.0%†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%50.6%†
LiveBench 2.0 Data AnalysisLiveBench59.5%78.7%†
LiveBench ResearchLiveBench88.0%79.8%†
LiveBench 1.0 Data AnalysisLiveBench59.5%78.7%
AA-Omniscience v1.1Artificial Analysis30.5-1.7†
MMLU-ProVals AI–88.0%†
LegalBenchVals AI–86.2%†
CorpFinVals AI–71.6%
TaxEvalVals AI–75.7%
BioMysteryBenchVals AI81.1%72.6%†
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.7%66.7%†
Excel Modeling Benchmark v1.1Vals AI75.9%71.3%†
MedCodeVals AI52.9%49.4%†
MedScribeVals AI91.1%88.0%†
Public Benefits Bench v1.1Vals AI67.2%68.2%†
Access to Justice BenchmarkVals AI74.9%68.2%†
Financial Coaching BenchVals AI74.9%74.5%†
Immigration BenchVals AI69.0%68.3%†
GDP.pdfEpoch AI Benchmarking Hub31.4%19.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%42.4%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%23.4%†
HealthBench Professional (AA)OpenAI63.0%53.2%†
FACTS ParametricGoogle35.1%†–
指令遵循
LiveBench LanguageLiveBench78.0%85.5%
LiveBench Instruction FollowingLiveBench56.8%71.4%
Arena Instruction FollowingArena (LMArena)1482†1489†
人类偏好
Arena TextArena (LMArena)1473†1487†
EQ-Bench 4EQ-Bench–1319
EQ-Bench Creative Writing v3EQ-Bench–2083
Arena Creative WritingArena (LMArena)1464†1459†
Arena Multi-turnArena (LMArena)1469†1502†
Arena Longer QueriesArena (LMArena)1491†1500†
多模态
Arena VisionArena (LMArena)1284†–
LiveBench DesignLiveBench81.3%72.5%†
MMMU-ProArtificial Analysis–80.5%†
MMMU-Pro (Vals)Vals AI–88.2%
MortgageTaxVals AI–66.3%
SAGEVals AI88.0%86.8%†
Humanity's Sixth SenseScale AI SEAL–25.5%†
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†29.5%
Furniture AssemblyEpoch AI Benchmarking Hub75.0%34.2%†
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis14431041†
AA-3DArtificial Analysis1204984†
FACTS MultimodalGoogle50.4%†–
长上下文
AA-LCR v1.1Artificial Analysis82.7%88.7%†
MLCRArtificial Analysis41.7%21.7%†
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†158.6
LiveBench 2.0LiveBench77.0%65.0%†
LiveBench 1.0LiveBench75.7%79.2%
AA Intelligence Index v5.0.1Artificial Analysis54.517.4†
AA Intelligence Index v4.3.2Artificial Analysis5643.6†
AA Progress Index v1Artificial Analysis350.5319.9†
Vals IndexVals AI70.853.0†
Vals Finance IndexVals AI64.5%58.0%†
Vals RSI IndexVals AI–20.9%†
Vals Science IndexVals AI59.1%–
Vals Multimodal IndexVals AI–73.4%
Vals Router IndexVals AI69.0%†53.0%
Vals Legal IndexVals AI68.0%71.7%†
AA Cyber IndexArtificial Analysis–41.3†
安全与诚实
FORTRESSScale AI SEAL–27.3%
DistressBenchScale AI SEAL74.6%†73.5%
元数据
AA Openness IndexArtificial Analysis–38.9†

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:BenchLeader Index 59.1 → 60.7。
  • Claude Sonnet 5.5 (max):36 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • Kimi K3:1 项分数修订。
  • Claude Sonnet 5.5 (max):1 项新结果(MirrorCode)。
  • Claude Sonnet 5.5 (max):2 项分数修订。
  • Kimi K3:4 项分数修订。
  • Kimi K3:1 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • Kimi K3:1 项新结果(FACTS Search)。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Sonnet 5.5 vs Kimi K3:常见问题

Claude Sonnet 5.5 比 Kimi K3 更好吗?
Claude Sonnet 5.5 (max) 与 Kimi K3 的质量不相上下(64.2 比 60.7,在 ±6.5 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 Sonnet 5.5 和 Kimi K3 哪个更便宜?价格会变吗?
目前 Claude Sonnet 5.5 更便宜:每百万 token $4.00 比 $6.00(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 Sonnet 5.5 还是 Kimi K3 更好?
Claude Sonnet 5.5 在编程方面得分更高(类别得分 70 比 62,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Claude Sonnet 5.5 为 61.0%,Kimi K3 为 58.7%。
Claude Sonnet 5.5 和 Kimi K3 哪个更快?
Claude Sonnet 5.5 输出更快(约 1.5 倍;输出 152 比 76 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 5.5 还是 Kimi K3 更好?
Claude Sonnet 5.5 在智能体任务方面得分更高(类别得分 71 比 54,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 APEX-Agents 上,Claude Sonnet 5.5 为 75.5%,Kimi K3 为 47.8%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1M token(Claude Sonnet 5.5 为 1,000,000,Kimi K3 为 1,048,576)。
哪个延迟更低?
Kimi K3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.8 秒比 290.5 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Sonnet 5.5 和 Kimi K3 的看法一致吗?
在两者都有结果的 12 项基准测试中,Claude Sonnet 5.5 领先 7 项,Kimi K3 领先 5 项。第三方来源看法不一:Claude Sonnet 5.5 在 AA Intelligence Index v5.0.1和Vals Index 上领先;Kimi K3 在 Arena Text 上领先。
Claude Sonnet 5.5 是什么时候发布的?
Claude Sonnet 5.5 于 2026年9月28日 发布。