BenchLeader

Gemini 3.5 Flash vs Kimi K3.1 Pro Together

完整资料:Gemini 3.5 Flash(Google)和 Kimi K3.1 Pro Together(Moonshot AI),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,Gemini 3.5 Flash 与 Kimi K3.1 Pro Together 的质量不相上下(BenchLeader Index 62.5 比 60.0,在 ±3.5 的误差范围内)。在两者都有成绩的所有类别中,Kimi K3.1 Pro Together 均领先。

要点(截至 2026年11月16日)

  • Gemini 3.5 Flash 的 BenchLeader Index 为 62.5,Kimi K3.1 Pro Together 为 60.0(BenchLeader,2026年11月16日)。
  • Gemini 3.5 Flash 每百万 token 混合价格为 $3.38(标价,2026年11月16日)。
  • 在两者都有结果的 7 项基准测试中,Kimi K3.1 Pro Together 领先 5 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
数学Kimi K3.1 Pro Together类别得分 65 比 58;FrontierMath Tiers 1–3 78.3% 比 62.8%高
推理Kimi K3.1 Pro Together类别得分 67 比 61;GPQA Diamond 94.2% 比 92.8%中
知识Kimi K3.1 Pro Together类别得分 66 比 63;SimpleQA Verified 62.2% 比 66.2%中
对话质量(人类偏好)–只有 Gemini 3.5 Flash 有 Arena 评分(类别得分 67)无法比较
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 3.5 Flash (high) 与 Kimi K3.1 Pro Together (max) 的质量不相上下(62.5 比 60.0,在 ±3.5 的误差范围内)。
  • Kimi K3.1 Pro Together (max) 在知识、数学、推理方面更强。

概览

规格Gemini 3.5 FlashKimi K3.1 Pro Together
提供商GoogleMoonshot AI
发布日期2026年5月19日2026年10月23日
上下文窗口(token)1,048,576–
对比时的配置Gemini 3.5 Flash (high)Kimi K3.1 Pro Together (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.50 / $9.00 / $0.150–

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 3.5 Flash (high)Kimi K3.1 Pro Together (max)领先者
推理60.666.9Kimi K3.1 Pro Together
编程59.5–无法比较
智能体与工具62.8–无法比较
数学57.765.2Kimi K3.1 Pro Together
知识63.366.0Kimi K3.1 Pro Together
指令遵循74.4–无法比较
人类偏好66.8–无法比较
多模态66.2–无法比较
长上下文61.2–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推理数学知识Gemini 3.5 Flash, 推理: 60.6Gemini 3.5 Flash, 数学: 57.7Gemini 3.5 Flash, 知识: 63.3Kimi K3.1 Pro Together, 推理: 66.9Kimi K3.1 Pro Together, 数学: 65.2Kimi K3.1 Pro Together, 知识: 66.0

未绘制(测得的模型少于两个):编程, 智能体与工具, 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 7 项基准测试中,Gemini 3.5 Flash 领先 1 项,Kimi K3.1 Pro Together 领先 5 项,1 项持平。

综合 IndexGemini 3.5 Flash (high)Kimi K3.1 Pro Together (max)领先者
BenchLeader Index62.560.0不相上下

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 3.5 Flash (high)Kimi K3.1 Pro Together (max)
每百万 token 混合价格$3.38–
每百万 token 输入 / 输出$1.50 / $9.00– / –
每百万 token 缓存输入$0.150–
每项任务价格:聊天回复$0.0033–
每项任务价格:总结一份 30 页的报告$0.023–
每项任务价格:代码编辑$0.022–
每项任务价格:智能体编程会话$0.126–
每项任务价格:结构化信息提取$0.0048–
智能体编程会话(输入大多命中缓存)$0.065–
输出速度176 tok/s–
首次回答时间9.9 秒–
完整回答耗时(最近一次测量 2026年11月13日)27.6 秒–

每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.5 Flash (high) 得分 62.5,首个回答 token 需 10 秒;Gemini 3.5 Flash (medium) 为 61.8(9 秒),Gemini 3.5 Flash (minimal) 为 55.6(3 秒)。Kimi K3.1 Pro Together (max) 得分 60.0。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 113 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 3.5 Flash (high)Kimi K3.1 Pro Together (max)
BenchLeader IndexBenchLeader62.560.0
智能体与工具得分BenchLeader62.8–
编程得分BenchLeader59.5–
人类偏好得分BenchLeader66.8–
指令遵循得分BenchLeader74.4–
知识得分BenchLeader63.366.0
长上下文得分BenchLeader61.2–
数学得分BenchLeader57.765.2
多模态得分BenchLeader66.2–
推理得分BenchLeader60.666.9
混合价格(美元/百万 token)BenchLeader$3.38–
输出速度BenchLeader176 tok/s–
首次回答时间BenchLeader9.9 秒–
上下文窗口BenchLeader1,048,576 token–
推理
GPQA DiamondEpoch AI Benchmarking Hub92.8%94.2%
SimpleBenchSimpleBench76.7%†–
Arena Hard PromptsArena (LMArena)1496–
LiveBench 1.0 ReasoningLiveBench82.0%–
GPQA Diamond (AA)Artificial Analysis92.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%–
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%–
CritPtArtificial Analysis13.1%–
Arena ExpertArena (LMArena)1491–
Chess PuzzlesEpoch AI Benchmarking Hub45.0%45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%42.0%
LMCAEpoch AI Benchmarking Hub47.1%–
DTBenchEpoch AI Benchmarking Hub94.7%–
ForecastBenchForecastBench64.0%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%–
SciCodeSciCode53.9%–
WeirdMLWeirdML62.6%–
Arena CodingArena (LMArena)1508–
Arena WebDevArena (LMArena)1500–
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI87.6%–
SWE-bench (Vals)Vals AI78.8%–
显示全部 113 项基准测试
指标发布方Gemini 3.5 Flash (high)Kimi K3.1 Pro Together (max)
编程
Code MigrationVals AI26.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI48.7%–
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
ALE-BenchEpoch AI Benchmarking Hub911.0–
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%–
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%–
GameBench 2 OverallDuelLab GameBench 249.4†–
GameBench 2 by reasoning settingDuelLab GameBench 263.2–
Design Arena WebsiteDesign Arena1260†–
智能体与工具
APEX-AgentsMercor27.5%†–
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis40.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.3%–
Terminal-Bench 2.1 (Vals)Vals AI74.2%–
MCP AtlasScale AI SEAL83.6%–
HiL-BenchScale AI SEAL27.7%†–
GDPval-AA v2.1Artificial Analysis1211–
τ³-Banking (AA)Artificial Analysis32.2%–
ITBench SRE (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis45.0%–
APEX-Agents (AA)Artificial Analysis47.0%–
Finance Agent v2Vals AI57.9%–
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI30.8%–
SkillsBenchVals AI52.7%–
Tax Agent BenchVals AI21.6%–
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%–
Terminal-Bench ScienceVals AI5.7%–
Web Search IndexVals AI37.0%–
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†–
AutomationBenchArtificial Analysis42.1%–
GDP.pdf (AA)Artificial Analysis19.8%–
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis876–
Design Arena AgenticDesign Arena1174†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%78.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%65.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%100.0%
ProofBenchVals AI31.0%–
LiveBench MathematicsLiveBench88.2%–
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%–
Arena MathsArena (LMArena)1497–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%62.2%
LiveBench 1.0 Data AnalysisLiveBench64.9%–
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%–
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
Excel Modeling BenchmarkVals AI63.5%–
MedCodeVals AI55.8%–
MedScribeVals AI76.6%–
Public Benefits Bench v1.1Vals AI59.5%–
Financial Coaching BenchVals AI63.0%–
DrugDiscoveryBenchScale AI SEAL50.0%–
EBR-benchEpoch AI Benchmarking Hub4.8%–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
指令遵循
LiveBench LanguageLiveBench84.6%–
LiveBench Instruction FollowingLiveBench75.6%–
IFBenchArtificial Analysis76.3%–
Arena Instruction FollowingArena (LMArena)1465–
人类偏好
Arena TextArena (LMArena)1478–
EQ-Bench 4EQ-Bench1077†–
Arena Creative WritingArena (LMArena)1465–
Arena Multi-turnArena (LMArena)1480–
Arena Longer QueriesArena (LMArena)1483–
多模态
Arena VisionArena (LMArena)1308–
MMMU-ProArtificial Analysis84.3%–
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.1%–
Humanity's Sixth SenseScale AI SEAL32.6%–
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub–55.8%
长上下文
AA-LCR v1.1Artificial Analysis73.3%–
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†–
LiveBench 1.0LiveBench74.6%–
AA Intelligence Index v4.3.2Artificial Analysis32.6–
AA Progress Index v1Artificial Analysis305.1–
Vals Multimodal IndexVals AI62.9%–
安全与诚实
DistressBenchScale AI SEAL66.9%†–

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

  • Gemini 3.5 Flash (high):1 项新结果(GDPval-AA v2.1);1 项分数修订。
  • Gemini 3.5 Flash (high):3 项新结果(AIME 2026, HMMT February 2026, MathArena Apex)。
  • Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
  • Kimi K3.1 Pro Together (max):首批结果。
  • Gemini 3.5 Flash (high):1 项分数修订。
  • Gemini 3.5 Flash (high):BenchLeader Index 63.2 → 62.6。
  • Gemini 3.5 Flash (high):1 项新结果(AA Progress Index v1)。
  • Gemini 3.5 Flash (high):价格 $3.69/M → $2.98/M。
  • Gemini 3.5 Flash (high):1 项新结果(Harvey's Legal Agent Benchmark v1)。
  • Gemini 3.5 Flash (high):1 项分数修订。

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 3.5 Flash vs Kimi K3.1 Pro Together:常见问题

Gemini 3.5 Flash 比 Kimi K3.1 Pro Together 更好吗?
Gemini 3.5 Flash (high) 与 Kimi K3.1 Pro Together (max) 的质量不相上下(62.5 比 60.0,在 ±3.5 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。
第三方基准测试对 Gemini 3.5 Flash 和 Kimi K3.1 Pro Together 的看法一致吗?
在两者都有结果的 7 项基准测试中,Gemini 3.5 Flash 领先 1 项,Kimi K3.1 Pro Together 领先 5 项,1 项持平。
Kimi K3.1 Pro Together 是什么时候发布的?
Kimi K3.1 Pro Together 于 2026年10月23日 发布。