BenchLeader

Gemini 4 Hydrogen vs Kimi K3.1 Pro

完整资料:Gemini 4 Hydrogen(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 4 Hydrogen 与 Kimi K3.1 Pro 的质量不相上下(BenchLeader Index 63.4 比 61.8,在 ±3.6 的误差范围内)。Gemini 4 Hydrogen 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $3.00 比 $4.00)。看重推理(70 比 59)、知识(69 比 58)和编程(69 比 60)选 Gemini 4 Hydrogen;看重数学(73 比 68)和智能体与工具(65 比 62)选 Kimi K3.1 Pro。Gemini 4 Hydrogen 的首次回答更快(16.2 秒 比 157.4 秒)。Gemini 4 Hydrogen 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Gemini 4 Hydrogen 的 BenchLeader Index 为 63.4,Kimi K3.1 Pro 为 61.8(BenchLeader,2026年11月16日)。
  • Gemini 4 Hydrogen 每百万 token 混合价格为 $3.00(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 4 Hydrogen 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 11 项基准测试中,Gemini 4 Hydrogen 领先 7 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Gemini 4 Hydrogen类别得分 69 比 60;FrontierCode 2.0 (AA) 36.3% 比 25.4%高
智能体与工具调用Kimi K3.1 Pro类别得分 65 比 62;GDP.pdf (AA) 31.4% 比 30.0%中
数学Kimi K3.1 Pro类别得分 73 比 68中
推理Gemini 4 Hydrogen类别得分 70 比 59;HLE-Diamond (AA) 54.9% 比 37.3%高
知识Gemini 4 Hydrogen类别得分 69 比 58;AA-Omniscience v1.1 43.7 比 29.9高
对话质量(人类偏好)–只有 Gemini 4 Hydrogen 有 Arena 评分(类别得分 68)无法比较
成本最低Gemini 4 Hydrogen每百万 token 混合价格 $3.00 比 $4.00;智能体编程会话 $0.120 比 $0.160–
首次回答最快Gemini 4 Hydrogen首个回答 token 16.2 秒(Gemini 4 Hydrogen (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 4 Hydrogen (high) 与 Kimi K3.1 Pro 的质量不相上下(63.4 比 61.8,在 ±3.6 的误差范围内)。
  • Gemini 4 Hydrogen (high) 在编程、知识、推理方面更强。
  • Kimi K3.1 Pro 在智能体与工具、数学方面更强。
  • Gemini 4 Hydrogen (high) 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $3.00 比 $4.00)。
  • Gemini 4 Hydrogen (high) 的输出速度是对方的 5.7 倍(170 比 30 token/秒)。

概览

规格Gemini 4 HydrogenKimi K3.1 Pro
提供商GoogleMoonshot AI
发布日期2026年11月12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 4 Hydrogen (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)$1.50 / $7.50 / $0.075$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 4 Hydrogen (high)Kimi K3.1 Pro领先者
推理69.659.2Gemini 4 Hydrogen
编程68.859.6Gemini 4 Hydrogen
智能体与工具61.764.6Kimi K3.1 Pro
数学67.873.4Kimi K3.1 Pro
知识68.558.2Gemini 4 Hydrogen
人类偏好68.2–无法比较
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 4 Hydrogen, 推理: 69.6Gemini 4 Hydrogen, 编程: 68.8Gemini 4 Hydrogen, 智能体与工具: 61.7Gemini 4 Hydrogen, 数学: 67.8Gemini 4 Hydrogen, 知识: 68.5Kimi 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 11 项基准测试中,Gemini 4 Hydrogen 领先 7 项,Kimi K3.1 Pro 领先 4 项。所有同时评测两者的综合评分都认为 Gemini 4 Hydrogen 更强。

综合 IndexGemini 4 Hydrogen (high)Kimi K3.1 Pro领先者
BenchLeader Index63.461.8不相上下
AA Intelligence Index v5.0.150.846.5Gemini 4 Hydrogen
Vals Index68.5†62.5Gemini 4 Hydrogen
Arena Text14901485†Gemini 4 Hydrogen

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 4 Hydrogen (high)Kimi K3.1 Pro
每百万 token 混合价格$3.00$4.00
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$0.0029$0.0038
每项任务价格:总结一份 30 页的报告$0.022$0.030
每项任务价格:代码编辑$0.020$0.027
每项任务价格:智能体编程会话$0.120$0.160
每项任务价格:结构化信息提取$0.0045$0.0060
智能体编程会话(输入大多命中缓存)$0.056$0.079
每项基准测试任务成本(AA Index)$1.87$3.68
每项任务输出 token(AA Index)85k72k
其中推理部分48k44k
每项任务耗时(AA Index)8 min40 min
输出速度170 tok/s30 tok/s
首次回答时间16.2 秒157.4 秒
完整回答耗时(最近一次测量 2026年11月13日)63.3 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 4 Hydrogen (high) 上花费 $1.87,在 Kimi K3.1 Pro 上花费 $3.68;完成同样的工作,Gemini 4 Hydrogen (high) 输出的 token 是对方的 1.2 倍。

每个模型都按其排名最高的推理强度设置进行对比。Gemini 4 Hydrogen (high) 得分 63.4,首个回答 token 需 16 秒;Gemini 4 Hydrogen (xhigh) 为 61.8(42 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 94 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 4 Hydrogen (high)Kimi K3.1 Pro
BenchLeader IndexBenchLeader63.461.8
智能体与工具得分BenchLeader61.764.6
编程得分BenchLeader68.859.6
人类偏好得分BenchLeader68.2–
知识得分BenchLeader68.558.2
数学得分BenchLeader67.873.4
推理得分BenchLeader69.659.2
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$3.00$4.00
输出速度BenchLeader170 tok/s30 tok/s
首次回答时间BenchLeader16.2 秒157.4 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
Arena Hard PromptsArena (LMArena)15141504†
LiveBench 2.0 ReasoningLiveBench88.6%†91.1%†
Humanity's Last Exam (AA)Artificial Analysis–52.5%
HLE-Diamond (AA)Artificial Analysis54.9%37.3%
CritPtArtificial Analysis–24.6%
CritPt v2 hard subset (AA)Artificial Analysis61.5%49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)15421515†
LMCAEpoch AI Benchmarking Hub–57.6%†
DTBenchEpoch AI Benchmarking Hub–93.3%†
编程
SciCodeSciCode–60.8%
Arena CodingArena (LMArena)15181530†
Arena WebDevArena (LMArena)17041687†
LiveBench 2.0 CodingLiveBench78.5%†67.8%†
IOIVals AI–81.9%†
Vibe Code Bench v1.1Vals AI87.8%†84.9%†
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%
ALE-BenchEpoch AI Benchmarking Hub–1932.8†
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis54.0%67.2%
GameBench 2 OverallDuelLab GameBench 2–78.3
GameBench 2 by reasoning settingDuelLab GameBench 2–84.0†
显示全部 94 项基准测试
指标发布方Gemini 4 Hydrogen (high)Kimi K3.1 Pro
编程
Design Arena WebsiteDesign Arena1320†1321
FrontierCode 1.1 (AA)Artificial Analysis–47.1%
FrontierCode 2.0 (AA)Artificial Analysis36.3%25.4%
智能体与工具
Terminal-BenchTerminal-Bench56.4%59.7%†
APEX-AgentsMercor–65.5%
Arena AgentArena (LMArena)–4.9†
LiveBench Long AgenticLiveBench61.8%†38.7%†
LiveBench BrowserLiveBench77.1%†75.9%†
HiL-BenchScale AI SEAL–61.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis–1861
Analyst Agent (AA)Artificial Analysis–38.8%
Finance Agent v2.1Vals AI65.1%†61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI11.3%†11.7%†
Legal Research BenchVals AI53.9%†37.5%†
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI52.3%†24.9%†
Terminal-Bench 4.0 (Vals)Vals AI54.0%†63.6%†
Terminal-Bench ScienceVals AI–31.4%†
Arena Agent Task CompletionArena (LMArena)–2.7†
AutomationBenchArtificial Analysis74.4%73.3%
GDP.pdf (AA)Artificial Analysis30.0%31.4%
AA-Briefcase v1.1Artificial Analysis14971674
Design Arena AgenticDesign Arena1262†1301
Terminal-Bench-Science 0.1 (AA)Artificial Analysis41.4%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%
数学
ProofBenchVals AI–91.0%
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1495–
知识
LiveBench 2.0 Data AnalysisLiveBench83.2%†79.1%†
LiveBench ResearchLiveBench86.8%†82.1%†
AA-Omniscience v1.1Artificial Analysis43.729.9
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI–75.6%†
Excel Modeling Benchmark v1.1Vals AI75.8%†70.0%†
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL–63.4%†
AA-Omniscience v1.1: accuracyArtificial Analysis48.2%48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis91.3%62.7%
指令遵循
Arena Instruction FollowingArena (LMArena)15031487†
人类偏好
Arena TextArena (LMArena)14901485†
EQ-Bench Creative Writing v3EQ-Bench–2173
Arena Creative WritingArena (LMArena)14921453†
Arena Multi-turnArena (LMArena)14761475†
Arena Longer QueriesArena (LMArena)15141491†
多模态
LiveBench DesignLiveBench77.3%†73.7%†
MMMU-ProArtificial Analysis–83.9%
Humanity's Sixth SenseScale AI SEAL–33.2%†
VIALS-AAHandshake AI–45.3%
AA-3DArtificial Analysis–1112
长上下文
AA-LCR v1.1Artificial Analysis–86.3%
MLCRArtificial Analysis21.1%†38.3%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–161.4
LiveBench 2.0LiveBench77.0%†68.7%†
AA Intelligence Index v5.0.1Artificial Analysis50.846.5
AA Intelligence Index v4.3.2Artificial Analysis–55.1
AA Progress Index v1Artificial Analysis–340.7
Vals IndexVals AI68.5†62.5†
Vals Finance IndexVals AI66.1%†56.0%†
Vals Science IndexVals AI–44.4%†
Vals Legal IndexVals AI73.6%†67.0%†
AA Cyber IndexArtificial Analysis–64.1
安全与诚实
FORTRESSScale AI SEAL–18.6%
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。
  • Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • 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。
  • 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 4 Hydrogen vs Kimi K3.1 Pro:常见问题

Gemini 4 Hydrogen 比 Kimi K3.1 Pro 更好吗?
Gemini 4 Hydrogen (high) 与 Kimi K3.1 Pro 的质量不相上下(63.4 比 61.8,在 ±3.6 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 4 Hydrogen 和 Kimi K3.1 Pro 哪个更便宜?价格会变吗?
目前 Gemini 4 Hydrogen 更便宜:每百万 token $3.00 比 $4.00(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 4 Hydrogen 还是 Kimi K3.1 Pro 更好?
Gemini 4 Hydrogen 在编程方面得分更高(类别得分 69 比 60,50 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 4 Hydrogen 为 36.3%,Kimi K3.1 Pro 为 25.4%。
Gemini 4 Hydrogen 和 Kimi K3.1 Pro 哪个更快?
Gemini 4 Hydrogen 输出更快(3 倍以上;输出 170 比 30 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Hydrogen 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 62,50 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?
Gemini 4 Hydrogen 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 16.2 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。
第三方基准测试对 Gemini 4 Hydrogen 和 Kimi K3.1 Pro 的看法一致吗?
在两者都有结果的 11 项基准测试中,Gemini 4 Hydrogen 领先 7 项,Kimi K3.1 Pro 领先 4 项。所有同时评测两者的综合评分都认为 Gemini 4 Hydrogen 更强。
Gemini 4 Hydrogen 是什么时候发布的?
Gemini 4 Hydrogen 于 2026年11月12日 发布。