BenchLeader

Gemini 3.8 Flash vs Kimi K3

完整资料:Gemini 3.8 Flash(Google)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 14 个来源

截至 2026年11月16日,Gemini 3.8 Flash 与 Kimi K3 的质量不相上下(BenchLeader Index 60.2 比 60.7,在 ±7.7 的误差范围内)。Gemini 3.8 Flash 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $1.50 比 $6.00)。看重智能体与工具(75 比 54)选 Gemini 3.8 Flash;看重编程(62 比 52)和知识(66 比 58)选 Kimi K3。Kimi K3 的首次回答更快(0.8 秒 比 14.8 秒)。Gemini 3.8 Flash 的输出更快。Gemini 3.8 Flash 的现价有效至 2026年12月31日,之后为 $3.00。

要点(截至 2026年11月16日)

  • Gemini 3.8 Flash 的 BenchLeader Index 为 60.2,Kimi K3 为 60.7(BenchLeader,2026年11月16日)。
  • Gemini 3.8 Flash 每百万 token 混合价格为 $1.50(截至 2026年12月31日,之后为 $3.00)(https://ai.google.dev/gemini-api/docs/pricing,2026年10月20日 核实)。
  • Kimi K3 每百万 token 混合价格为 $6.00(标价,2026年11月16日)。
  • Gemini 3.8 Flash 比 Kimi K3 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 2 项基准测试中,Kimi K3 领先 2 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Kimi K3类别得分 62 比 52;SciCode 58.7% 比 55.1%高
智能体与工具调用Gemini 3.8 Flash类别得分 75 比 54高
知识Kimi K3类别得分 66 比 58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Gemini 3.8 Flash每百万 token 混合价格 $1.50 比 $6.00;智能体编程会话 $0.060 比 $0.240;2027年1月1日 起:$3.00 比 $6.00–
首次回答最快Kimi K3首个回答 token 0.8 秒(Kimi K3)比 14.8 秒(Gemini 3.8 Flash (medium))–
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 3.8 Flash (medium) 与 Kimi K3 的质量不相上下(60.2 比 60.7,在 ±7.7 的误差范围内)。
  • Gemini 3.8 Flash (medium) 在智能体与工具方面更强。
  • Kimi K3 在编程、知识方面更强。
  • 截至 2026年12月31日,Gemini 3.8 Flash (medium) 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $1.50 比 $6.00);自 2027年1月1日 起为 $3.00 比 $6.00。
  • Gemini 3.8 Flash (medium) 的输出速度是对方的 1.5 倍(116 比 76 token/秒)。

概览

规格Gemini 3.8 FlashKimi K3
提供商GoogleMoonshot AI
发布日期2026年9月2日2026年7月16日
上下文窗口(token)1,048,5761,048,576
对比时的配置Gemini 3.8 Flash (medium)Kimi K3
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.750 / $3.75 / $0.075$3.00 / $15.00 / $0.300
已公布的价格调整自 2027年1月1日 起为 $1.50 / $7.50暂无公布

上限、可用性和已公布的价格均来自厂商官方页面: ai.google.dev 定价页 (2026年10月20日 核实)。其余内容均来自当日数据。

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 3.8 Flash (medium)Kimi K3领先者
推理58.7–无法比较
编程51.661.8Kimi K3
智能体与工具75.053.5Gemini 3.8 Flash
数学–71.5无法比较
知识57.766.1Kimi K3
人类偏好–68.6无法比较
多模态66.7–无法比较
长上下文66.7–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编程智能体与工具知识Gemini 3.8 Flash, 编程: 51.6Gemini 3.8 Flash, 智能体与工具: 75.0Gemini 3.8 Flash, 知识: 57.7Kimi K3, 编程: 61.8Kimi K3, 智能体与工具: 53.5Kimi K3, 知识: 66.1

未绘制(测得的模型少于两个):推理, 数学, 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 2 项基准测试中,Gemini 3.8 Flash 领先 0 项,Kimi K3 领先 2 项。所有同时评测两者的综合评分都认为 Gemini 3.8 Flash 更强。

综合 IndexGemini 3.8 Flash (medium)Kimi K3领先者
BenchLeader Index60.260.7不相上下
AA Intelligence Index v5.0.130.117.4†Gemini 3.8 Flash
Vals Index56.0†53.0Gemini 3.8 Flash
Arena Text1497†1487Gemini 3.8 Flash

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 3.8 Flash (medium)Kimi K3
每百万 token 混合价格(截至 2026年12月31日)$1.50$6.00
每百万 token 输入 / 输出$0.750 / $3.75$3.00 / $15.00
自 2027年1月1日 起每百万 token 混合价格$3.00$6.00
自 2027年1月1日 起每百万 token 输入 / 输出$1.50 / $7.50$3.00 / $15.00
每百万 token 缓存输入$0.075$0.300
每项任务价格:聊天回复$0.0014$0.0057
每项任务价格:总结一份 30 页的报告$0.011$0.045
每项任务价格:代码编辑$0.010$0.041
每项任务价格:智能体编程会话$0.060$0.240
每项任务价格:结构化信息提取$0.0023$0.0090
智能体编程会话(输入大多命中缓存)$0.030$0.118
每项基准测试任务成本(AA Index)$6.26–
每项任务输出 token(AA Index)82k–
其中推理部分47k–
每项任务耗时(AA Index)12 min–
输出速度116 tok/s76 tok/s
首次回答时间14.8 秒0.8 秒
完整回答耗时(最近一次测量 2026年11月13日)41.8 秒–

每个模型都按其排名最高的推理强度设置进行对比。Gemini 3.8 Flash (medium) 得分 60.2,首个回答 token 需 15 秒;Gemini 3.8 Flash (high) 为 59.4(20 秒),Gemini 3.8 Flash 为 56.4(2 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 192 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 3.8 Flash (medium)Kimi K3
BenchLeader IndexBenchLeader60.260.7
智能体与工具得分BenchLeader75.053.5
编程得分BenchLeader51.661.8
知识得分BenchLeader57.766.1
长上下文得分BenchLeader66.7–
多模态得分BenchLeader66.7–
推理得分BenchLeader58.7–
人类偏好得分BenchLeader–68.6
数学得分BenchLeader–71.5
混合价格(美元/百万 token)BenchLeader$1.50$6.00
输出速度BenchLeader116 tok/s76 tok/s
首次回答时间BenchLeader14.8 秒0.8 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.4%†93.1%†
Humanity's Last ExamScale AI / CAIS44.5%†–
SimpleBenchSimpleBench82.4%†60.7%†
Arena Hard PromptsArena (LMArena)1518†1516†
LiveBench 2.0 ReasoningLiveBench89.3%†90.7%†
LiveBench 1.0 ReasoningLiveBench89.3%†90.7%
GPQA Diamond (AA)Artificial Analysis93.5%93.5%†
Humanity's Last Exam (AA)Artificial Analysis42.1%46.9%†
HLE-Diamond (AA)Artificial Analysis29.1%26.9%†
GPQA Diamond (Vals)Vals AI94.4%†92.9%
ARC-AGI-1ARC Prize97.5%94.5%†
ARC-AGI-2ARC Prize82.9%60.4%†
ARC-AGI-3ARC Prize24.2%–
CritPtArtificial Analysis12.3%23.4%†
CritPt v2 hard subset (AA)Artificial Analysis45.0%40.5%†
MysteryMechanismVals AI36.5%†–
HLE-Diamond (Scale)Scale AI SEAL34.3%†22.2%
Arena ExpertArena (LMArena)1527†1528†
Chess PuzzlesEpoch AI Benchmarking Hub58.0%†36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub47.0%†26.0%†
LMCAEpoch AI Benchmarking Hub52.9%52.7%†
DTBenchEpoch AI Benchmarking Hub94.9%91.2%†
ForecastBenchForecastBench–64.2%†
编程
SciCodeSciCode55.1%58.7%
WeirdMLWeirdML84.8%†82.6%†
显示全部 192 项基准测试
指标发布方Gemini 3.8 Flash (medium)Kimi K3
编程
FrontierCodeCognition41.2%44.2%
Arena CodingArena (LMArena)1531†1538†
Arena WebDevArena (LMArena)1584†1658†
LiveBench 2.0 CodingLiveBench73.3%†53.1%†
LiveBench 1.0 CodingLiveBench72.5%†81.5%
SciCode (AA)Artificial Analysis55.1%59.5%†
LiveCodeBenchVals AI89.5%†87.2%†
IOIVals AI56.9%†48.9%†
SWE-bench (Vals)Vals AI80.0%†93.4%
Code MigrationVals AI36.5%†16.1%†
Code Migration v1.1Vals AI38.6%†28.6%†
ProgramBenchVals AI1.0%†2.0%
SWE-bench MultimodalVals AI40.8%†44.2%†
Vibe Code Bench 1-100Vals AI18.8%†18.2%†
Vibe Code Bench v1.1Vals AI78.7%†85.0%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL47.0%†–
SWE Atlas v1.0: RefactoringScale AI SEAL44.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL53.7%†–
SWE Atlas v1.1Scale AI SEAL57.3%†61.0%
SWE Atlas v1.1: Codebase QnAScale AI SEAL45.2%†65.3%
SWE Atlas v1.1: Test WritingScale AI SEAL71.1%†63.3%
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†54.3%
SWE-Bench Pro V2Scale AI SEAL94.9%†97.7%†
SWE-Bench Pro V2 HARDScale AI SEAL58.8%†88.2%†
MirrorCodeEpoch AI Benchmarking Hub38.9%†54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub76.9%†95.0%
DeepSWE v1.1Epoch AI Benchmarking Hub71.0%68.5%†
CursorBenchCursor37.3%–
ALE-BenchEpoch AI Benchmarking Hub1269.7†1524.5†
FrontierSWEEpoch AI Benchmarking Hub19.6%†25.9%†
WeirdML v3WeirdML7.4%†7.5%†
Terminal-Bench 4.0 (AA)Artificial Analysis19.7%12.6%†
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%85.0%†
Startrise FrontendStartrise64.6%†79.8%
GameBench 2 OverallDuelLab GameBench 259.0†48.0
GameBench 2 by reasoning settingDuelLab GameBench 259.745.7†
Design Arena WebsiteDesign Arena1291†1336
FrontierCode 1.1 (AA)Artificial Analysis37.1%43.6%†
FrontierCode 2.0 (AA)Artificial Analysis16.5%10.9%†
智能体与工具
Terminal-BenchTerminal-Bench18.2%†23.0%†
Remote Labor IndexScale AI / CAIS5.8%†–
APEX-AgentsMercor64.3%†47.8%
Arena AgentArena (LMArena)2.3†0.6†
LiveBench Long AgenticLiveBench16.5%†36.0%†
LiveBench BrowserLiveBench45.1%†75.2%†
LiveBench Agentic CodingLiveBench54.2%†62.2%
Terminal-Bench 2.1 (Vals)Vals AI81.3%†80.9%
MCP AtlasScale AI SEAL–82.3%†
HiL-BenchScale AI SEAL41.5%†42.7%
τ³-bench Bankingτ²-bench–37.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis46.1%–
GDPval-AA v2.1Artificial Analysis14321542†
τ³-Banking (AA)Artificial Analysis45.8%46.0%†
ITBench SRE (AA)Artificial Analysis52.5%†47.7%†
Analyst Agent (AA)Artificial Analysis46.3%†38.8%†
APEX-Agents (AA)Artificial Analysis–41.3%†
CUA-benchVals AI4.2%†–
CyberBenchVals AI43.8%†75.2%†
Finance Agent v2Vals AI61.4%†53.1%†
Finance Agent v2.1Vals AI65.8%†60.0%†
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%†12.9%†
Harvey's Legal Agent Benchmark v1Vals AI10.0%†12.9%†
Legal Research BenchVals AI38.9%†46.1%†
SkillsBenchVals AI58.0%†–
SREBenchVals AI11.1%†–
Tax Agent BenchVals AI32.1%†33.4%†
Terminal-Bench 4.0 (Vals)Vals AI19.7%†17.2%†
Terminal-Bench ScienceVals AI8.6%†1.4%†
Time Horizon Index: KSPVals AI18.8%†10.5%†
Arena Agent Task CompletionArena (LMArena)1.3†3.4†
PostTrainBenchEpoch AI Benchmarking Hub–31.5%
GBAEvalEpoch AI Benchmarking Hub–48.4%
Vending-Bench 2Andon Labs5093.8†5165.0
AutomationBenchArtificial Analysis60.9%58.3%†
GDP.pdf (AA)Artificial Analysis22.8%22.0%†
Harvey LAB-AA v1.1Harvey0.0%†5.3%†
EnterpriseOps-GymArtificial Analysis–45.3%†
AA-Briefcase v1.1Artificial Analysis11831497†
GDPxGDPx by SemiAnalysis–3.7%†
Design Arena AgenticDesign Arena1225†1261
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.5%8.1%†
CWE-Bench (AA)Artificial Analysis52.5%†53.3%†
DeepSec-Bench (AA)Artificial Analysis14.5%†12.4%†
CyberGym end-to-end (AA)Artificial Analysis8.4%†58.0%†
MKA (AA)Artificial Analysis35.3%†–
FACTS SearchGoogle80.4%†90.3%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.4%†72.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%†39.0%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%†97.2%†
ProofBenchVals AI48.0%†87.0%
LiveBench MathematicsLiveBench91.6%†84.4%
AIME 2026MathArena–96.7%†
HMMT February 2026MathArena–97.0%†
MathArena ApexMathArena–65.6%†
Arena MathsArena (LMArena)1519†1502†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†0.0%†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%†50.6%†
LiveBench 2.0 Data AnalysisLiveBench54.0%†78.7%†
LiveBench ResearchLiveBench79.4%†79.8%†
LiveBench 1.0 Data AnalysisLiveBench54.0%†78.7%
AA-Omniscience v1.1Artificial Analysis23.7-1.7†
MMLU-ProVals AI90.2%†88.0%†
LegalBenchVals AI87.0%†86.2%†
CorpFinVals AI–71.6%
TaxEvalVals AI74.5%†75.7%
PRBench FinanceScale AI SEAL49.5%†–
PRBench LegalScale AI SEAL48.9%†–
BioMysteryBenchVals AI62.2%†72.6%†
Excel Modeling BenchmarkVals AI72.2%†66.7%†
Excel Modeling Benchmark v1.1Vals AI72.9%†71.3%†
MedCodeVals AI48.1%†49.4%†
MedScribeVals AI84.5%†88.0%†
Public Benefits Bench v1.1Vals AI65.3%†68.2%†
Access to Justice BenchmarkVals AI67.1%†68.2%†
Financial Coaching BenchVals AI66.3%†74.5%†
Immigration BenchVals AI63.4%†68.3%†
GDP.pdfEpoch AI Benchmarking Hub23.4%19.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis49.6%42.4%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.5%23.4%†
HealthBench Professional (AA)OpenAI51.7%†53.2%†
FACTS ParametricGoogle78.7%†–
指令遵循
LiveBench LanguageLiveBench87.8%†85.5%
LiveBench Instruction FollowingLiveBench81.4%†71.4%
Arena Instruction FollowingArena (LMArena)1492†1489†
人类偏好
Arena TextArena (LMArena)1497†1487†
EQ-Bench 4EQ-Bench–1319
EQ-Bench Creative Writing v3EQ-Bench1744†2083
Arena Creative WritingArena (LMArena)1488†1459†
Arena Multi-turnArena (LMArena)1505†1502†
Arena Longer QueriesArena (LMArena)1511†1500†
多模态
Arena VisionArena (LMArena)1317†–
LiveBench DesignLiveBench69.7%†72.5%†
MMMU-ProArtificial Analysis84.2%80.5%†
MMMU-Pro (Vals)Vals AI89.1%†88.2%
MortgageTaxVals AI65.3%†66.3%
SAGEVals AI88.2%†86.8%†
AudioMCScale AI SEAL60.4%†–
AudioMC (text output)Scale AI SEAL60.4%†–
Humanity's Sixth SenseScale AI SEAL41.6%†25.5%†
GeoBenchGeoBench86.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub38.6%†29.5%
Furniture AssemblyEpoch AI Benchmarking Hub31.7%†34.2%†
VIALS-AAHandshake AI41.0%†–
Code2Video-AAArtificial Analysis899†1041†
AA-3DArtificial Analysis974†984†
FACTS MultimodalGoogle57.6%†–
长上下文
AA-LCR v1.1Artificial Analysis84.0%88.7%†
Arena DocumentArena (LMArena)1469†–
MLCRArtificial Analysis12.8%21.7%†
FACTS GroundingGoogle68.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.8†158.6
LiveBench 2.0LiveBench57.3%†65.0%†
LiveBench 1.0LiveBench75.8%†79.2%
AA Intelligence Index v5.0.1Artificial Analysis30.117.4†
AA Intelligence Index v4.3.2Artificial Analysis39.843.6†
AA Progress Index v1Artificial Analysis319.1319.9†
Vals IndexVals AI56.0†53.0†
Vals Finance IndexVals AI60.5%†58.0%†
Vals RSI IndexVals AI19.9%†20.9%†
Vals Science IndexVals AI35.8%†–
Vals Multimodal IndexVals AI–73.4%
Vals Router IndexVals AI56.0%†53.0%
Vals Legal IndexVals AI69.8%†71.7%†
AA Cyber IndexArtificial Analysis25.1†41.3†
安全与诚实
FORTRESSScale AI SEAL–27.3%
DistressBenchScale AI SEAL70.7%†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

  • Gemini 3.8 Flash:标价将调整为每百万 token 输入 $1.50 / 输出 $7.50(已公布)。
  • Kimi K3:BenchLeader Index 59.1 → 60.7。
  • Gemini 3.8 Flash (medium):1 项分数修订。
  • Kimi K3:1 项分数修订。
  • Kimi K3:4 项分数修订。
  • Kimi K3:1 项分数修订。
  • Kimi K3:1 项新结果(FACTS Search)。
  • Gemini 3.8 Flash (medium):2 项分数修订。
  • Kimi K3:1 项分数修订。
  • Gemini 3.8 Flash (medium):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 3.8 Flash vs Kimi K3:常见问题

Gemini 3.8 Flash 比 Kimi K3 更好吗?
Gemini 3.8 Flash (medium) 与 Kimi K3 的质量不相上下(60.2 比 60.7,在 ±7.7 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 3.8 Flash 和 Kimi K3 哪个更便宜?价格会变吗?
目前 Gemini 3.8 Flash 更便宜:每百万 token $1.50 比 $6.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。Gemini 3.8 Flash 的现价有效至 2026年12月31日,之后为 $3.00。
编程用 Gemini 3.8 Flash 还是 Kimi K3 更好?
Kimi K3 在编程方面得分更高(类别得分 62 比 52,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Gemini 3.8 Flash 为 55.1%,Kimi K3 为 58.7%。
Gemini 3.8 Flash 和 Kimi K3 哪个更快?
Gemini 3.8 Flash 输出更快(输出 116 比 76 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3.8 Flash 还是 Kimi K3 更好?
Gemini 3.8 Flash 在智能体任务方面得分更高(类别得分 75 比 54,50 为平均水平)。
更多问题(4)
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?
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 14.8 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 Gemini 3.8 Flash 和 Kimi K3 的看法一致吗?
在两者都有结果的 2 项基准测试中,Gemini 3.8 Flash 领先 0 项,Kimi K3 领先 2 项。所有同时评测两者的综合评分都认为 Gemini 3.8 Flash 更强。
Gemini 3.8 Flash 是什么时候发布的?
Gemini 3.8 Flash 于 2026年9月2日 发布。