Gemini 3.7 Flash vs Kimi K3.1 Pro Together
完整资料:Gemini 3.7 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 10 个来源
截至 2026年11月16日,Gemini 3.7 Flash 与 Kimi K3.1 Pro Together 的质量不相上下(BenchLeader Index 62.1 比 60.0,在 ±4.2 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 3.7 Flash 的 BenchLeader Index 为 62.1,Kimi K3.1 Pro Together 为 60.0(BenchLeader,2026年11月16日)。
- Gemini 3.7 Flash 每百万 token 混合价格为 $1.50(标价,2026年11月16日)。
- 在两者都有结果的 8 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”。
主要差异
- Gemini 3.7 Flash (high) 与 Kimi K3.1 Pro Together (max) 的质量不相上下(62.1 比 60.0,在 ±4.2 的误差范围内)。
- Gemini 3.7 Flash (high) 在推理方面更强。
- Kimi K3.1 Pro Together (max) 在知识、数学方面更强。
概览
| 规格 | Gemini 3.7 Flash | Kimi K3.1 Pro Together |
|---|---|---|
| 提供商 | Moonshot AI | |
| 发布日期 | 2026年8月13日 | 2026年10月23日 |
| 上下文窗口(token) | 1,048,576 | – |
| 对比时的配置 | Gemini 3.7 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) | $0.750 / $3.75 / $0.075 | – |
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 3.7 Flash (high) | Kimi K3.1 Pro Together (max) | 领先者 |
|---|---|---|---|
| 推理 | 67.8 | 66.9 | 持平 |
| 编程 | 62.3 | – | 无法比较 |
| 智能体与工具 | 48.9 | – | 无法比较 |
| 数学 | 62.6 | 65.2 | Kimi K3.1 Pro Together |
| 知识 | 65.9 | 66.0 | 持平 |
| 人类偏好 | 68.1 | – | 无法比较 |
| 多模态 | 67.2 | – | 无法比较 |
| 长上下文 | 65.5 | – | 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。
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。
各来源的分歧
在两者都有结果的 8 项基准测试中,Gemini 3.7 Flash 领先 3 项,Kimi K3.1 Pro Together 领先 5 项。
| 综合 Index | Gemini 3.7 Flash (high) | Kimi K3.1 Pro Together (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 62.1 | 60.0 | 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 3.7 Flash (high) | Kimi K3.1 Pro Together (max) |
|---|---|---|
| 每百万 token 混合价格 | $1.50 | – |
| 每百万 token 输入 / 输出 | $0.750 / $3.75 | – / – |
| 每百万 token 缓存输入 | $0.075 | – |
| 每项任务价格:聊天回复 | $0.0014 | – |
| 每项任务价格:总结一份 30 页的报告 | $0.011 | – |
| 每项任务价格:代码编辑 | $0.010 | – |
| 每项任务价格:智能体编程会话 | $0.060 | – |
| 每项任务价格:结构化信息提取 | $0.0023 | – |
| 智能体编程会话(输入大多命中缓存) | $0.030 | – |
| 输出速度 | 95 tok/s | – |
| 首次回答时间 | 2.2 秒 | – |
每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.7 Flash (high) 得分 62.1,首个回答 token 需 2 秒;Gemini 3.7 Flash (medium) 为 60.1(2 秒),Gemini 3.7 Flash (low) 为 57.3(2 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 95 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 3.7 Flash (high) | Kimi K3.1 Pro Together (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.1 | 60.0 |
| 智能体与工具得分 | BenchLeader | 48.9 | – |
| 编程得分 | BenchLeader | 62.3 | – |
| 人类偏好得分 | BenchLeader | 68.1 | – |
| 知识得分 | BenchLeader | 65.9 | 66.0 |
| 长上下文得分 | BenchLeader | 65.5 | – |
| 数学得分 | BenchLeader | 62.6 | 65.2 |
| 多模态得分 | BenchLeader | 67.2 | – |
| 推理得分 | BenchLeader | 67.8 | 66.9 |
| 混合价格(美元/百万 token) | BenchLeader | $1.50 | – |
| 输出速度 | BenchLeader | 95 tok/s | – |
| 首次回答时间 | BenchLeader | 2.2 秒 | – |
| 上下文窗口 | BenchLeader | 1,048,576 token | – |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.8% | 94.2% |
| Arena Hard Prompts | Arena (LMArena) | 1510 | – |
| LiveBench 1.0 Reasoning | LiveBench | 87.8% | – |
| GPQA Diamond (AA) | Artificial Analysis | 94.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 47.9% | – |
| GPQA Diamond (Vals) | Vals AI | 93.9% | – |
| ARC-AGI-1 | ARC Prize | 95.5% | – |
| ARC-AGI-2 | ARC Prize | 84.6% | – |
| CritPt | Artificial Analysis | 14.3% | – |
| Arena Expert | Arena (LMArena) | 1519 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 66.0% | 45.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 37.0% | 42.0% |
| LMCA | Epoch AI Benchmarking Hub | 50.4% | – |
| DTBench | Epoch AI Benchmarking Hub | 96.8% | – |
| ForecastBench | ForecastBench | 66.2% | – |
| 编程 | |||
| SciCode | SciCode | 57.2% | – |
| FrontierCode | Cognition | 43.6%† | – |
| Arena Coding | Arena (LMArena) | 1520 | – |
| Arena WebDev | Arena (LMArena) | 1588 | – |
| LiveBench 1.0 Coding | LiveBench | 78.9% | – |
| LiveCodeBench | Vals AI | 88.7% | – |
| IOI | Vals AI | 67.8% | – |
| SWE-bench (Vals) | Vals AI | 80.8% | – |
| Code Migration | Vals AI | 34.8% | – |
| ProgramBench | Vals AI | 0.0% | – |
显示全部 95 项基准测试
| 指标 | 发布方 | Gemini 3.7 Flash (high) | Kimi K3.1 Pro Together (max) |
|---|---|---|---|
| 编程 | |||
| Vibe Code Bench v1.1 | Vals AI | 70.4% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 41.1% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 65.3% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 904.3 | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 20.3% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 13.6% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 85.8% | – |
| Design Arena Website | Design Arena | 1295† | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 12.4% | – |
| Remote Labor Index | Scale AI / CAIS | 5.0%† | – |
| APEX-Agents | Mercor | 67.8%† | – |
| Arena Agent | Arena (LMArena) | -2.2 | – |
| LiveBench Agentic Coding | LiveBench | 58.3% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 77.5% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1404 | – |
| τ³-Banking (AA) | Artificial Analysis | 32.8% | – |
| Analyst Agent (AA) | Artificial Analysis | 60.0% | – |
| CyberBench | Vals AI | 43.8% | – |
| Finance Agent v2 | Vals AI | 59.0% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 8.8% | – |
| Legal Research Bench | Vals AI | 34.6% | – |
| SkillsBench | Vals AI | 65.9% | – |
| SREBench | Vals AI | 4.6% | – |
| Tax Agent Bench | Vals AI | 22.8% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | 12.1% | – |
| Terminal-Bench Science | Vals AI | 7.1% | – |
| Arena Agent Task Completion | Arena (LMArena) | -3.5 | – |
| AutomationBench | Artificial Analysis | 62.0% | – |
| GDP.pdf (AA) | Artificial Analysis | 23.6% | – |
| EnterpriseOps-Gym | Artificial Analysis | 50.4%† | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1115 | – |
| Design Arena Agentic | Design Arena | 1222† | – |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 71.6% | 78.3% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 36.6% | 65.8% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 97.2% | 100.0% |
| ProofBench | Vals AI | 58.0%† | – |
| LiveBench Mathematics | LiveBench | 93.5% | – |
| Arena Maths | Arena (LMArena) | 1502 | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.2% | 62.2% |
| LiveBench 1.0 Data Analysis | LiveBench | 68.0% | – |
| MMLU-Pro | Vals AI | 90.1% | – |
| LegalBench | Vals AI | 87.3% | – |
| TaxEval | Vals AI | 74.7% | – |
| Excel Modeling Benchmark | Vals AI | 71.3% | – |
| MedCode | Vals AI | 53.4% | – |
| MedScribe | Vals AI | 83.9% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 23.8% | – |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 85.5% | – |
| LiveBench Instruction Following | LiveBench | 79.9% | – |
| Arena Instruction Following | Arena (LMArena) | 1486 | – |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1489 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1720† | – |
| Arena Creative Writing | Arena (LMArena) | 1487 | – |
| Arena Multi-turn | Arena (LMArena) | 1490 | – |
| Arena Longer Queries | Arena (LMArena) | 1501 | – |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1313 | – |
| MMMU-Pro | Artificial Analysis | 85.5% | – |
| MMMU-Pro (Vals) | Vals AI | 89.0% | – |
| MortgageTax | Vals AI | 66.7% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 39.8% | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 26.7% | 55.8% |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 81.7% | – |
| Arena Document | Arena (LMArena) | 1468 | – |
| MLCR | Artificial Analysis | 12.2% | – |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.4† | – |
| LiveBench 1.0 | LiveBench | 78.8% | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.1 | – |
| AA Progress Index v1 | Artificial Analysis | 317.4 | – |
| Vals RSI Index | Vals AI | 18.3% | – |
| 安全与诚实 | |||
| DistressBench | Scale AI SEAL | 69.0%† | – |
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。
变化
- Gemini 3.7 Flash (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
- Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
- Gemini 3.7 Flash (high):BenchLeader Index 62.6 → 62.1。
- Gemini 3.7 Flash (high):1 项分数修订。
- Gemini 3.7 Flash (high):1 项新结果(Arena Document)。
- Kimi K3.1 Pro Together (max):首批结果。
- Gemini 3.7 Flash (high):1 项新结果(MirrorCode)。
- Gemini 3.7 Flash (high):1 项新结果(AA Progress Index v1)。
- Gemini 3.7 Flash (high):2 项新结果(Harvey's Legal Agent Benchmark v1, Vals RSI Index)。
- Gemini 3.7 Flash (high):输入价格 $0.38/M → $0.75/M;输出价格 $1.88/M → $3.75/M。
相关对比
- Gemini 3.7 Flash vs Claude Fable 5.2
- Gemini 3.7 Flash vs Gemini 4 Carbon
- Gemini 3.7 Flash vs Claude Opus 5.5
- Kimi K3.1 Pro Together vs Claude Fable 5.2
- Kimi K3.1 Pro Together vs Gemini 4 Carbon
- Kimi K3.1 Pro Together vs Claude Opus 5.5
- Kimi K3.1 Pro Together vs GPT-6 Astra
- Gemini 3.5 Flash vs Kimi K3.1 Pro Together
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 3.7 Flash vs Kimi K3.1 Pro Together:常见问题
- Gemini 3.7 Flash 比 Kimi K3.1 Pro Together 更好吗?
- Gemini 3.7 Flash (high) 与 Kimi K3.1 Pro Together (max) 的质量不相上下(62.1 比 60.0,在 ±4.2 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 3.7 Flash 和 Kimi K3.1 Pro Together 的看法一致吗?
- 在两者都有结果的 8 项基准测试中,Gemini 3.7 Flash 领先 3 项,Kimi K3.1 Pro Together 领先 5 项。
- 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。