BenchLeader

Gemini 3.1 Pro vs Kimi K3.1 Pro

完整资料:Gemini 3.1 Pro(Google)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,Gemini 3.1 Pro 与 Kimi K3.1 Pro 的质量不相上下(BenchLeader Index 60.4 比 61.8,在 ±4.5 的误差范围内)。两者价格相近(每百万 token 混合价格 $4.50 比 $4.00)。看重知识(66 比 58)和推理(65 比 59)选 Gemini 3.1 Pro;看重智能体与工具(65 比 57)、数学(73 比 66)和编程(60 比 59)选 Kimi K3.1 Pro。Gemini 3.1 Pro 的首次回答更快(15.2 秒 比 157.4 秒)。Gemini 3.1 Pro 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Gemini 3.1 Pro 的 BenchLeader Index 为 60.4,Kimi K3.1 Pro 为 61.8(BenchLeader,2026年11月16日)。
  • Gemini 3.1 Pro 每百万 token 混合价格为 $4.50(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)。
  • Gemini 3.1 Pro 比 Kimi K3.1 Pro 输出更快(3 倍以上;Artificial Analysis,7 日中位数,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Kimi K3.1 Pro类别得分 60 比 59中
智能体与工具调用Kimi K3.1 Pro类别得分 65 比 57高
数学Kimi K3.1 Pro类别得分 73 比 66高
推理Gemini 3.1 Pro类别得分 65 比 59中
知识Gemini 3.1 Pro类别得分 66 比 58中
成本最低均可每百万 token 混合价格 $4.50 比 $4.00;智能体编程会话 $0.168 比 $0.160–
首次回答最快Gemini 3.1 Pro首个回答 token 15.2 秒(Gemini 3.1 Pro (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

  • Gemini 3.1 Pro (high) 与 Kimi K3.1 Pro 的质量不相上下(60.4 比 61.8,在 ±4.5 的误差范围内)。
  • Gemini 3.1 Pro (high) 在知识、推理方面更强。
  • Kimi K3.1 Pro 在智能体与工具、编程、数学方面更强。
  • 两者价格相近(每百万 token 混合价格 $4.00)。
  • Gemini 3.1 Pro (high) 的输出速度是对方的 3.7 倍(111 比 30 token/秒)。

概览

规格Gemini 3.1 ProKimi K3.1 Pro
提供商GoogleMoonshot AI
发布日期2026年2月19日2026年10月23日
上下文窗口(token)1,048,5761,048,576
对比时的配置Gemini 3.1 Pro (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)$2.00 / $12.00 / $0.200$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Gemini 3.1 Pro (high)Kimi K3.1 Pro领先者
推理64.759.2Gemini 3.1 Pro
编程58.659.6Kimi K3.1 Pro
智能体与工具56.764.6Kimi K3.1 Pro
数学65.773.4Kimi K3.1 Pro
知识65.658.2Gemini 3.1 Pro
多模态–66.3无法比较
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推理编程智能体与工具数学知识Gemini 3.1 Pro, 推理: 64.7Gemini 3.1 Pro, 编程: 58.6Gemini 3.1 Pro, 智能体与工具: 56.7Gemini 3.1 Pro, 数学: 65.7Gemini 3.1 Pro, 知识: 65.6Kimi K3.1 Pro, 推理: 59.2Kimi K3.1 Pro, 编程: 59.6Kimi K3.1 Pro, 智能体与工具: 64.6Kimi K3.1 Pro, 数学: 73.4Kimi K3.1 Pro, 知识: 58.2

未绘制(测得的模型少于两个):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 0 项基准测试中,Gemini 3.1 Pro 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 Gemini 3.1 Pro 更强。

综合 IndexGemini 3.1 Pro (high)Kimi K3.1 Pro领先者
BenchLeader Index60.461.8不相上下
Arena Text1487†1485Gemini 3.1 Pro

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Gemini 3.1 Pro (high)Kimi K3.1 Pro
每百万 token 混合价格$4.50$4.00
每百万 token 输入 / 输出$2.00 / $12.00$2.00 / $10.00
每百万 token 缓存输入$0.200$0.200
每项任务价格:聊天回复$0.0044$0.0038
每项任务价格:总结一份 30 页的报告$0.031$0.030
每项任务价格:代码编辑$0.030$0.027
每项任务价格:智能体编程会话$0.168$0.160
每项任务价格:结构化信息提取$0.0064$0.0060
智能体编程会话(输入大多命中缓存)$0.087$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111 tok/s30 tok/s
首次回答时间15.2 秒157.4 秒
完整回答耗时(最近一次测量 2026年11月13日)37.5 秒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。Gemini 3.1 Pro (high) 得分 60.4,首个回答 token 需 15 秒;Gemini 3.1 Pro 为 59.9(15 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 199 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Gemini 3.1 Pro (high)Kimi K3.1 Pro
BenchLeader IndexBenchLeader60.461.8
智能体与工具得分BenchLeader56.764.6
编程得分BenchLeader58.659.6
知识得分BenchLeader65.658.2
数学得分BenchLeader65.773.4
推理得分BenchLeader64.759.2
长上下文得分BenchLeader–67.9
多模态得分BenchLeader–66.3
混合价格(美元/百万 token)BenchLeader$4.50$4.00
输出速度BenchLeader111 tok/s30 tok/s
首次回答时间BenchLeader15.2 秒157.4 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.4%–
Humanity's Last ExamScale AI / CAIS46.4%†–
SimpleBenchSimpleBench79.6%†–
Arena Hard PromptsArena (LMArena)1508†1504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
LiveBench 1.0 ReasoningLiveBench84.0%–
GPQA Diamond (AA)Artificial Analysis94.1%†–
Humanity's Last Exam (AA)Artificial Analysis47.0%†52.5%
HLE-Diamond (AA)Artificial Analysis31.4%†37.3%
GPQA Diamond (Vals)Vals AI95.5%–
EnigmaEvalScale AI SEAL36.8%–
ARC-AGI-1ARC Prize98.0%†–
ARC-AGI-2ARC Prize77.1%†–
ARC-AGI-3ARC Prize0.4%†–
CritPtArtificial Analysis17.7%†24.6%
CritPt v2 hard subset (AA)Artificial Analysis–49.5%
MysteryMechanismVals AI20.7%26.1%†
Arena ExpertArena (LMArena)1509†1515†
Chess PuzzlesEpoch AI Benchmarking Hub51.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub34.0%–
CL-benchEpoch AI Benchmarking Hub20.8%†–
CL-bench LifeEpoch AI Benchmarking Hub16.9%†–
LMCAEpoch AI Benchmarking Hub53.8%57.6%†
DTBenchEpoch AI Benchmarking Hub95.5%93.3%†
ForecastBenchForecastBench65.2%–
显示全部 199 项基准测试
指标发布方Gemini 3.1 Pro (high)Kimi K3.1 Pro
编程
SciCodeSciCode58.7%†60.8%
WeirdMLWeirdML72.1%†–
GSO-BenchGSO-Bench22.6%†–
Arena CodingArena (LMArena)1520†1530†
Arena WebDevArena (LMArena)1446†1687†
LiveBench 2.0 CodingLiveBench–67.8%†
LiveBench 1.0 CodingLiveBench76.5%–
LiveCodeBenchVals AI88.5%–
IOIVals AI51.8%81.9%†
SWE-bench (Vals)Vals AI78.8%–
SWE-Bench ProScale AI SEAL46.1%†–
Code MigrationVals AI17.3%–
ProgramBenchVals AI0.0%–
Vibe Code Bench 1-100Vals AI6.7%–
Vibe Code Bench v1.1Vals AI32.0%84.9%†
SWE-Bench Pro (private)Scale AI SEAL32.2%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL13.5%†–
SWE Atlas v1.0: RefactoringScale AI SEAL33.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL29.8%†–
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 Hub8.9%–
DeepSWE v1.1Epoch AI Benchmarking Hub11.7%†–
ALE-BenchEpoch AI Benchmarking Hub1160.6†1932.8†
AlgoTuneAlgoTune2.0†–
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis4.0%†67.2%
Terminal-Bench 2.1 (AA)Artificial Analysis73.8%†–
GameBench 2 OverallDuelLab GameBench 2–78.3
GameBench 2 by reasoning settingDuelLab GameBench 2–84.0†
Design Arena WebsiteDesign Arena1226†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-Bench80.2%†59.7%†
APEX-AgentsMercor35.1%†65.5%
Arena AgentArena (LMArena)-4.5†4.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
LiveBench Agentic CodingLiveBench44.1%–
Terminal-Bench HardArtificial Analysis53.8%†–
τ²-Bench Telecom (AA)Artificial Analysis95.6%†–
Terminal-Bench 2.1 (Vals)Vals AI70.8%–
MCP AtlasScale AI SEAL78.2%–
HiL-BenchScale AI SEAL35.3%†61.3%
τ³-bench Bankingτ²-bench26.0%–
GDPval-AA v2.1, normalised scoreArtificial Analysis14.6%†67.3%
GDPval-AA v2.1Artificial Analysis799†1861
τ³-Banking (AA)Artificial Analysis21.4%†–
ITBench SRE (AA)Artificial Analysis30.3%†–
Analyst Agent (AA)Artificial Analysis41.3%†38.8%
APEX-Agents (AA)Artificial Analysis32.0%†–
Finance Agent v2Vals AI43.0%–
Finance Agent v2.1Vals AI–61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.7%†
Harvey's Legal Agent Benchmark v1Vals AI0.0%–
Legal Research BenchVals AI20.7%37.5%†
SREBenchVals AI0.0%27.1%†
Tax Agent BenchVals AI9.3%24.9%†
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI2.5%63.6%†
Terminal-Bench ScienceVals AI1.4%31.4%†
Arena SearchArena (LMArena)1209†–
Arena Agent Task CompletionArena (LMArena)-11.3†2.7†
BALROGBALROG57.0%†–
DeepResearch BenchDeepResearch Bench47.8%–
PostTrainBenchEpoch AI Benchmarking Hub18.1%†–
ExploitBenchEpoch AI Benchmarking Hub26.1%†–
METR Time HorizonsMETR77.0%†–
GBAEvalEpoch AI Benchmarking Hub0.8%†–
Vending-Bench 2Andon Labs911.2†–
AutomationBenchArtificial Analysis35.4%†73.3%
GDP.pdf (AA)Artificial Analysis17.8%†31.4%
Harvey LAB-AA v1.1Harvey0.0%†–
EnterpriseOps-GymArtificial Analysis42.2%†–
AA-Briefcase v1.1Artificial Analysis457†1674
Design Arena AgenticDesign Arena1088†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%
BrowseCompOpenAI31.2%†–
DeepSearchQAGoogle60.2%†–
FACTS SearchGoogle90.2%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.6%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%–
ProofBenchVals AI26.0%†91.0%
LiveBench MathematicsLiveBench91.0%–
AIME (Vals)Vals AI98.1%–
AIME 2026MathArena98.3%–
HMMT February 2026MathArena94.7%–
USAMO 2026MathArena74.4%–
MathArena ApexMathArena60.9%–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1488†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub73.5%–
LiveBench 2.0 Data AnalysisLiveBench–79.1%†
LiveBench ResearchLiveBench–82.1%†
LiveBench 1.0 Data AnalysisLiveBench78.5%–
AA-Omniscience v1.1Artificial Analysis–29.9
MMLU-ProVals AI91.0%–
LegalBenchVals AI87.4%–
CorpFinVals AI64.5%–
TaxEvalVals AI72.9%–
MedQAVals AI96.4%–
PRBench FinanceScale AI SEAL41.9%†47.5%
PRBench LegalScale AI SEAL44.0%†47.9%
MultiNRCScale AI SEAL64.7%†–
BioMysteryBenchVals AI60.0%75.6%†
CaseLaw v2Vals AI64.8%–
Excel Modeling BenchmarkVals AI52.6%–
Excel Modeling Benchmark v1.1Vals AI–70.0%†
MedCodeVals AI59.1%–
MedScribeVals AI76.1%–
Public Benefits Bench v1.1Vals AI53.8%–
Access to Justice BenchmarkVals AI–69.5%†
Financial Coaching BenchVals AI66.7%–
DrugDiscoveryBenchScale AI SEAL41.9%63.4%†
EBR-benchEpoch AI Benchmarking Hub14.3%†–
GDP.pdfEpoch AI Benchmarking Hub17.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–62.7%
Global-MMLU-Lite (AA)Artificial Analysis93.2%†–
FACTS ParametricGoogle79.4%†–
指令遵循
LiveBench LanguageLiveBench85.4%–
LiveBench Instruction FollowingLiveBench79.1%–
IFBenchArtificial Analysis77.1%†–
MultiChallengeScale AI SEAL71.4%†–
TutorBenchScale AI SEAL53.0%†–
Arena Instruction FollowingArena (LMArena)1480†1487†
人类偏好
Arena TextArena (LMArena)1487†1485†
EQ-Bench 4EQ-Bench1132†–
EQ-Bench Creative Writing v3EQ-Bench1491†2173
Arena Creative WritingArena (LMArena)1482†1453†
Arena Multi-turnArena (LMArena)1495†1475†
Arena Longer QueriesArena (LMArena)1499†1491†
多模态
Arena VisionArena (LMArena)1296†–
LiveBench DesignLiveBench–73.7%†
MMMU-ProArtificial Analysis82.4%†83.9%
MMMU-Pro (Vals)Vals AI88.2%–
MortgageTaxVals AI69.4%–
SAGEVals AI83.2%–
Humanity's Sixth SenseScale AI SEAL–33.2%†
VTBScale AI SEAL29.0%†–
GeoBenchGeoBench84.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub26.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
VIALS-AAHandshake AI–45.3%
AA-3DArtificial Analysis–1112
FACTS MultimodalGoogle50.4%†–
长上下文
AA-LCR v1.1Artificial Analysis82.0%†86.3%
Arena DocumentArena (LMArena)1459†–
MLCRArtificial Analysis11.1%†38.3%
FACTS GroundingGoogle56.6%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†161.4
LiveBench 2.0LiveBench–68.7%†
LiveBench 1.0LiveBench77.0%–
AA Intelligence Index v5.0.1Artificial Analysis–46.5
AA Intelligence Index v4.3.2Artificial Analysis29.7†55.1
AA Progress Index v1Artificial Analysis296.1†340.7
Vals IndexVals AI–62.5†
Vals Finance IndexVals AI–56.0%†
Vals Science IndexVals AI27.4%44.4%†
Vals Multimodal IndexVals AI56.1%–
Vals Legal IndexVals AI–67.0%†
AA Cyber IndexArtificial Analysis–64.1
安全与诚实
FORTRESSScale AI SEAL29.8%†18.6%
MASKScale AI SEAL42.4%†–
DistressBenchScale AI SEAL68.8%†–
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。
  • Kimi K3.1 Pro:1 项新结果(HiL-Bench)。
  • Gemini 3.1 Pro (high):4 项新结果(AIME 2026, HMMT February 2026, USAMO 2026…)。
  • 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

Gemini 3.1 Pro vs Kimi K3.1 Pro:常见问题

Gemini 3.1 Pro 比 Kimi K3.1 Pro 更好吗?
Gemini 3.1 Pro (high) 与 Kimi K3.1 Pro 的质量不相上下(60.4 比 61.8,在 ±4.5 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。
Gemini 3.1 Pro 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 $4.50(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 Gemini 3.1 Pro 还是 Kimi K3.1 Pro 更好?
Kimi K3.1 Pro 在编程方面得分更高(类别得分 60 比 59,50 为平均水平)。
Gemini 3.1 Pro 和 Kimi K3.1 Pro 哪个更快?
Gemini 3.1 Pro 输出更快(3 倍以上;输出 111 比 30 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.1 Pro 还是 Kimi K3.1 Pro 更好?
Kimi K3.1 Pro 在智能体任务方面得分更高(类别得分 65 比 57,50 为平均水平)。
更多问题(3)
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
哪个延迟更低?
Gemini 3.1 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 15.2 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。