BenchLeader

Gemini 3.8 Flash vs Kimi K3.1 Pro

完整资料:Gemini 3.8 Flash(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 10 个来源

截至 2026年11月16日,Gemini 3.8 Flash 与 Kimi K3.1 Pro 的质量不相上下(BenchLeader Index 60.2 比 61.8,在 ±5.7 的误差范围内)。Gemini 3.8 Flash 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $1.50 比 $4.00)。看重智能体与工具(75 比 65)选 Gemini 3.8 Flash;看重编程(60 比 52)和长上下文(68 比 67)选 Kimi K3.1 Pro。Gemini 3.8 Flash 的首次回答更快(14.8 秒 比 157.4 秒)。Gemini 3.8 Flash 的输出更快(3 倍以上)。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 K3.1 Pro 为 61.8(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 K3.1 Pro 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Gemini 3.8 Flash 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)。
  • 在两者都有结果的 21 项基准测试中,Kimi K3.1 Pro 领先 19 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 K3.1 Pro类别得分 60 比 52;FrontierCode 2.0 (AA) 25.4% 比 16.5%高
智能体与工具调用Gemini 3.8 Flash类别得分 75 比 65;GDPval-AA v2.1, normalised score 46.1% 比 67.3%高
推理均可类别得分 59 比 59;HLE-Diamond (AA) 29.1% 比 37.3%均可
知识均可类别得分 58 比 58;AA-Omniscience v1.1 23.7 比 29.9均可
长文档Kimi K3.1 Pro类别得分 68 比 67;AA-LCR v1.1 86.3% 比 84.0%中
图像及其他媒体均可类别得分 67 比 66;MMMU-Pro 84.2% 比 83.9%均可
成本最低Gemini 3.8 Flash每百万 token 混合价格 $1.50 比 $4.00;智能体编程会话 $0.060 比 $0.160;2027年1月1日 起:$3.00 比 $4.00–
首次回答最快Gemini 3.8 Flash首个回答 token 14.8 秒(Gemini 3.8 Flash (medium))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 3.8 Flash (medium) 与 Kimi K3.1 Pro 的质量不相上下(60.2 比 61.8,在 ±5.7 的误差范围内)。
  • Gemini 3.8 Flash (medium) 在智能体与工具、多模态方面更强。
  • Kimi K3.1 Pro 在编程、知识、长上下文、推理方面更强。
  • 截至 2026年12月31日,Gemini 3.8 Flash (medium) 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $1.50 比 $4.00);自 2027年1月1日 起为 $3.00 比 $4.00。
  • Gemini 3.8 Flash (medium) 的输出速度是对方的 3.9 倍(116 比 30 token/秒)。

概览

规格Gemini 3.8 FlashKimi K3.1 Pro
提供商GoogleMoonshot AI
发布日期2026年9月2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 3.8 Flash (medium)Kimi K3.1 Pro
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$2.00 / $10.00 / $0.200
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 K3.1 Pro领先者
推理58.759.2持平
编程51.659.6Kimi K3.1 Pro
智能体与工具75.064.6Gemini 3.8 Flash
数学–73.4无法比较
知识57.758.2持平
多模态66.766.3持平
长上下文66.767.9Kimi K3.1 Pro

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知识长上下文多模态Gemini 3.8 Flash, 推理: 58.7Gemini 3.8 Flash, 编程: 51.6Gemini 3.8 Flash, 智能体与工具: 75.0Gemini 3.8 Flash, 知识: 57.7Gemini 3.8 Flash, 长上下文: 66.7Gemini 3.8 Flash, 多模态: 66.7Kimi 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, 知识: 58.2Kimi K3.1 Pro, 长上下文: 67.9Kimi K3.1 Pro, 多模态: 66.3

未绘制(测得的模型少于两个):数学, 指令遵循, 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 21 项基准测试中,Gemini 3.8 Flash 领先 2 项,Kimi K3.1 Pro 领先 19 项。第三方来源看法不一:Gemini 3.8 Flash 在 Arena Text 上领先;Kimi K3.1 Pro 在 AA Intelligence Index v5.0.1和Vals Index 上领先。

综合 IndexGemini 3.8 Flash (medium)Kimi K3.1 Pro领先者
BenchLeader Index60.261.8不相上下
AA Intelligence Index v5.0.130.146.5Kimi K3.1 Pro
Vals Index56.0†62.5Kimi K3.1 Pro
Arena Text1497†1485Gemini 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 K3.1 Pro
每百万 token 混合价格(截至 2026年12月31日)$1.50$4.00
每百万 token 输入 / 输出$0.750 / $3.75$2.00 / $10.00
自 2027年1月1日 起每百万 token 混合价格$3.00$4.00
自 2027年1月1日 起每百万 token 输入 / 输出$1.50 / $7.50$2.00 / $10.00
每百万 token 缓存输入$0.075$0.200
每项任务价格:聊天回复$0.0014$0.0038
每项任务价格:总结一份 30 页的报告$0.011$0.030
每项任务价格:代码编辑$0.010$0.027
每项任务价格:智能体编程会话$0.060$0.160
每项任务价格:结构化信息提取$0.0023$0.0060
智能体编程会话(输入大多命中缓存)$0.030$0.079
每项基准测试任务成本(AA Index)$6.26$3.68
每项任务输出 token(AA Index)82k72k
其中推理部分47k44k
每项任务耗时(AA Index)12 min40 min
输出速度116 tok/s30 tok/s
首次回答时间14.8 秒157.4 秒
完整回答耗时(最近一次测量 2026年11月13日)41.8 秒417.5 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Gemini 3.8 Flash (medium) 上花费 $6.26,在 Kimi K3.1 Pro 上花费 $3.68;完成同样的工作,Gemini 3.8 Flash (medium) 输出的 token 是对方的 1.1 倍。

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 K3.1 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 180 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 K3.1 Pro
BenchLeader IndexBenchLeader60.261.8
智能体与工具得分BenchLeader75.064.6
编程得分BenchLeader51.659.6
知识得分BenchLeader57.758.2
长上下文得分BenchLeader66.767.9
多模态得分BenchLeader66.766.3
推理得分BenchLeader58.759.2
数学得分BenchLeader–73.4
混合价格(美元/百万 token)BenchLeader$1.50$4.00
输出速度BenchLeader116 tok/s30 tok/s
首次回答时间BenchLeader14.8 秒157.4 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.4%†–
Humanity's Last ExamScale AI / CAIS44.5%†–
SimpleBenchSimpleBench82.4%†–
Arena Hard PromptsArena (LMArena)1518†1504†
LiveBench 2.0 ReasoningLiveBench89.3%†91.1%†
LiveBench 1.0 ReasoningLiveBench89.3%†–
GPQA Diamond (AA)Artificial Analysis93.5%–
Humanity's Last Exam (AA)Artificial Analysis42.1%52.5%
HLE-Diamond (AA)Artificial Analysis29.1%37.3%
GPQA Diamond (Vals)Vals AI94.4%†–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize82.9%–
ARC-AGI-3ARC Prize24.2%–
CritPtArtificial Analysis12.3%24.6%
CritPt v2 hard subset (AA)Artificial Analysis45.0%49.5%
MysteryMechanismVals AI36.5%†26.1%†
HLE-Diamond (Scale)Scale AI SEAL34.3%†–
Arena ExpertArena (LMArena)1527†1515†
Chess PuzzlesEpoch AI Benchmarking Hub58.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub47.0%†–
LMCAEpoch AI Benchmarking Hub52.9%57.6%†
DTBenchEpoch AI Benchmarking Hub94.9%93.3%†
编程
SciCodeSciCode55.1%60.8%
WeirdMLWeirdML84.8%†–
FrontierCodeCognition41.2%–
显示全部 180 项基准测试
指标发布方Gemini 3.8 Flash (medium)Kimi K3.1 Pro
编程
Arena CodingArena (LMArena)1531†1530†
Arena WebDevArena (LMArena)1584†1687†
LiveBench 2.0 CodingLiveBench73.3%†67.8%†
LiveBench 1.0 CodingLiveBench72.5%†–
LiveCodeBenchVals AI89.5%†–
IOIVals AI56.9%†81.9%†
SWE-bench (Vals)Vals AI80.0%†–
Code MigrationVals AI36.5%†–
Code Migration v1.1Vals AI38.6%†–
ProgramBenchVals AI1.0%†–
SWE-bench MultimodalVals AI40.8%†–
Vibe Code Bench 1-100Vals AI18.8%†–
Vibe Code Bench v1.1Vals AI78.7%†84.9%†
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%†61.1%
SWE Atlas v1.1: Codebase QnAScale AI SEAL45.2%†70.2%
SWE Atlas v1.1: Test WritingScale AI SEAL71.1%†58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†54.3%
SWE-Bench Pro V2Scale AI SEAL94.9%†–
SWE-Bench Pro V2 HARDScale AI SEAL58.8%†–
MirrorCodeEpoch AI Benchmarking Hub38.9%†–
Surface Evolver BenchEpoch AI Benchmarking Hub76.9%†–
DeepSWE v1.1Epoch AI Benchmarking Hub71.0%–
CursorBenchCursor37.3%–
ALE-BenchEpoch AI Benchmarking Hub1269.7†1932.8†
FrontierSWEEpoch AI Benchmarking Hub19.6%†–
WeirdML v3WeirdML7.4%†9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis19.7%67.2%
Terminal-Bench 2.1 (AA)Artificial Analysis83.9%–
Startrise FrontendStartrise64.6%†–
GameBench 2 OverallDuelLab GameBench 259.0†78.3
GameBench 2 by reasoning settingDuelLab GameBench 259.784.0†
Design Arena WebsiteDesign Arena1291†1321
FrontierCode 1.1 (AA)Artificial Analysis37.1%47.1%
FrontierCode 2.0 (AA)Artificial Analysis16.5%25.4%
智能体与工具
Terminal-BenchTerminal-Bench18.2%†59.7%†
Remote Labor IndexScale AI / CAIS5.8%†–
APEX-AgentsMercor64.3%†65.5%
Arena AgentArena (LMArena)2.3†4.9†
LiveBench Long AgenticLiveBench16.5%†38.7%†
LiveBench BrowserLiveBench45.1%†75.9%†
LiveBench Agentic CodingLiveBench54.2%†–
Terminal-Bench 2.1 (Vals)Vals AI81.3%†–
HiL-BenchScale AI SEAL41.5%†61.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis46.1%67.3%
GDPval-AA v2.1Artificial Analysis14321861
τ³-Banking (AA)Artificial Analysis45.8%–
ITBench SRE (AA)Artificial Analysis52.5%†–
Analyst Agent (AA)Artificial Analysis46.3%†38.8%
CUA-benchVals AI4.2%†–
CyberBenchVals AI43.8%†–
Finance Agent v2Vals AI61.4%†–
Finance Agent v2.1Vals AI65.8%†61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%†11.7%†
Harvey's Legal Agent Benchmark v1Vals AI10.0%†–
Legal Research BenchVals AI38.9%†37.5%†
SkillsBenchVals AI58.0%†–
SREBenchVals AI11.1%†27.1%†
Tax Agent BenchVals AI32.1%†24.9%†
Terminal-Bench 4.0 (Vals)Vals AI19.7%†63.6%†
Terminal-Bench ScienceVals AI8.6%†31.4%†
Time Horizon Index: KSPVals AI18.8%†–
Arena Agent Task CompletionArena (LMArena)1.3†2.7†
Vending-Bench 2Andon Labs5093.8†–
AutomationBenchArtificial Analysis60.9%73.3%
GDP.pdf (AA)Artificial Analysis22.8%31.4%
Harvey LAB-AA v1.1Harvey0.0%†–
AA-Briefcase v1.1Artificial Analysis11831674
Design Arena AgenticDesign Arena1225†1301
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.5%34.3%
CWE-Bench (AA)Artificial Analysis52.5%†60.8%
DeepSec-Bench (AA)Artificial Analysis14.5%†36.7%
CyberGym end-to-end (AA)Artificial Analysis8.4%†94.7%
MKA (AA)Artificial Analysis35.3%†43.9%
FACTS SearchGoogle80.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub68.4%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%†–
ProofBenchVals AI48.0%†91.0%
LiveBench MathematicsLiveBench91.6%†–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1519†–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%†–
LiveBench 2.0 Data AnalysisLiveBench54.0%†79.1%†
LiveBench ResearchLiveBench79.4%†82.1%†
LiveBench 1.0 Data AnalysisLiveBench54.0%†–
AA-Omniscience v1.1Artificial Analysis23.729.9
MMLU-ProVals AI90.2%†–
LegalBenchVals AI87.0%†–
TaxEvalVals AI74.5%†–
PRBench FinanceScale AI SEAL49.5%†47.5%
PRBench LegalScale AI SEAL48.9%†47.9%
BioMysteryBenchVals AI62.2%†75.6%†
Excel Modeling BenchmarkVals AI72.2%†–
Excel Modeling Benchmark v1.1Vals AI72.9%†70.0%†
MedCodeVals AI48.1%†–
MedScribeVals AI84.5%†–
Public Benefits Bench v1.1Vals AI65.3%†–
Access to Justice BenchmarkVals AI67.1%†69.5%†
Financial Coaching BenchVals AI66.3%†–
Immigration BenchVals AI63.4%†–
DrugDiscoveryBenchScale AI SEAL–63.4%†
GDP.pdfEpoch AI Benchmarking Hub23.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis49.6%48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.5%62.7%
HealthBench Professional (AA)OpenAI51.7%†–
FACTS ParametricGoogle78.7%†–
指令遵循
LiveBench LanguageLiveBench87.8%†–
LiveBench Instruction FollowingLiveBench81.4%†–
Arena Instruction FollowingArena (LMArena)1492†1487†
人类偏好
Arena TextArena (LMArena)1497†1485†
EQ-Bench Creative Writing v3EQ-Bench1744†2173
Arena Creative WritingArena (LMArena)1488†1453†
Arena Multi-turnArena (LMArena)1505†1475†
Arena Longer QueriesArena (LMArena)1511†1491†
多模态
Arena VisionArena (LMArena)1317†–
LiveBench DesignLiveBench69.7%†73.7%†
MMMU-ProArtificial Analysis84.2%83.9%
MMMU-Pro (Vals)Vals AI89.1%†–
MortgageTaxVals AI65.3%†–
SAGEVals AI88.2%†–
AudioMCScale AI SEAL60.4%†–
AudioMC (text output)Scale AI SEAL60.4%†–
Humanity's Sixth SenseScale AI SEAL41.6%†33.2%†
GeoBenchGeoBench86.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub38.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub31.7%†–
VIALS-AAHandshake AI41.0%†45.3%
Code2Video-AAArtificial Analysis899†–
AA-3DArtificial Analysis974†1112
FACTS MultimodalGoogle57.6%†–
长上下文
AA-LCR v1.1Artificial Analysis84.0%86.3%
Arena DocumentArena (LMArena)1469†–
MLCRArtificial Analysis12.8%38.3%
FACTS GroundingGoogle68.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.8†161.4
LiveBench 2.0LiveBench57.3%†68.7%†
LiveBench 1.0LiveBench75.8%†–
AA Intelligence Index v5.0.1Artificial Analysis30.146.5
AA Intelligence Index v4.3.2Artificial Analysis39.855.1
AA Progress Index v1Artificial Analysis319.1340.7
Vals IndexVals AI56.0†62.5†
Vals Finance IndexVals AI60.5%†56.0%†
Vals RSI IndexVals AI19.9%†–
Vals Science IndexVals AI35.8%†44.4%†
Vals Router IndexVals AI56.0%†–
Vals Legal IndexVals AI69.8%†67.0%†
AA Cyber IndexArtificial Analysis25.1†64.1
安全与诚实
FORTRESSScale AI SEAL–18.6%
DistressBenchScale AI SEAL70.7%†–
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

  • 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 K3.1 Pro:BenchLeader Index 61.2 → 61.8。
  • Kimi K3.1 Pro:1 项分数修订。
  • Gemini 3.8 Flash (medium):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)。
  • 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。

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 K3.1 Pro:常见问题

Gemini 3.8 Flash 比 Kimi K3.1 Pro 更好吗?
Gemini 3.8 Flash (medium) 与 Kimi K3.1 Pro 的质量不相上下(60.2 比 61.8,在 ±5.7 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 K3.1 Pro 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 $4.00(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 K3.1 Pro 更好?
Kimi K3.1 Pro 在编程方面得分更高(类别得分 60 比 52,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Gemini 3.8 Flash 为 16.5%,Kimi K3.1 Pro 为 25.4%。
Gemini 3.8 Flash 和 Kimi K3.1 Pro 哪个更快?
Gemini 3.8 Flash 输出更快(3 倍以上;输出 116 比 30 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 K3.1 Pro 更好?
Gemini 3.8 Flash 在智能体任务方面得分更高(类别得分 75 比 65,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
Kimi K3.1 Pro 在长上下文基准测试上得分更高(68 比 67)。两者都支持 1,048,576 token 的上下文。
哪个延迟更低?
Gemini 3.8 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 14.8 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。
第三方基准测试对 Gemini 3.8 Flash 和 Kimi K3.1 Pro 的看法一致吗?
在两者都有结果的 21 项基准测试中,Gemini 3.8 Flash 领先 2 项,Kimi K3.1 Pro 领先 19 项。第三方来源看法不一:Gemini 3.8 Flash 在 Arena Text 上领先;Kimi K3.1 Pro 在 AA Intelligence Index v5.0.1和Vals Index 上领先。
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。