BenchLeader

Gemini 4 Neon vs Kimi K3.1 Pro

完整资料:Gemini 4 Neon(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 9 个来源

截至 2026年11月19日,质量上 Gemini 4 Neon 领先 Kimi K3.1 Pro(BenchLeader Index 67.3 比 60.7)。不过,Kimi K3.1 Pro 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。在两者都有成绩的所有类别中,Gemini 4 Neon 均领先。Gemini 4 Neon 输出更快(3 倍以上)。

要点(截至 2026年11月19日)

  • Gemini 4 Neon 的 BenchLeader Index 为 67.3,Kimi K3.1 Pro 为 60.7(BenchLeader,2026年11月19日)。
  • Gemini 4 Neon 每百万 token 混合价格为 $6.00(标价,2026年11月19日)。
  • Kimi K3.1 Pro 每百万 token 混合价格为 $4.00(标价,2026年11月19日)。
  • Gemini 4 Neon 比 Kimi K3.1 Pro 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 13 项基准测试中,Gemini 4 Neon 领先 10 项(BenchLeader,2026年11月19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 Neon类别得分 73 比 59;FrontierCode 2.0 (AA) 43.3% 比 25.4%高
智能体与工具调用Gemini 4 Neon类别得分 76 比 60;AutomationBench 79.2% 比 73.3%高
推理Gemini 4 Neon类别得分 72 比 58;HLE-Diamond (AA) 68.4% 比 37.3%高
知识Gemini 4 Neon类别得分 72 比 57;AA-Omniscience v1.1 53.8 比 29.9高
对话质量(人类偏好)–只有 Gemini 4 Neon 有 Arena 评分(类别得分 72)无法比较
成本最低Kimi K3.1 Pro每百万 token 混合价格 $4.00 比 $6.00;智能体编程会话 $0.160 比 $0.240–
首次回答最快Gemini 4 Neon首个回答 token 40.6 秒(Gemini 4 Neon (high))比 155.6 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

  • 质量上 Gemini 4 Neon (high) 领先:67.3 比 60.7。
  • Gemini 4 Neon (high) 在智能体与工具、编程、知识、推理方面更强。
  • Kimi K3.1 Pro 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。
  • Gemini 4 Neon (high) 的输出速度是对方的 3.3 倍(101 比 31 token/秒)。

概览

规格Gemini 4 NeonKimi K3.1 Pro
提供商GoogleMoonshot AI
发布日期2026年11月18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 Neon (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)$3.00 / $15.00 / $0.150$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 Neon (high)Kimi K3.1 Pro领先者
推理71.957.9Gemini 4 Neon
编程73.458.8Gemini 4 Neon
智能体与工具76.259.5Gemini 4 Neon
数学–73.4无法比较
知识72.357.1Gemini 4 Neon
人类偏好71.7–无法比较
多模态–66.0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知识Gemini 4 Neon, 推理: 71.9Gemini 4 Neon, 编程: 73.4Gemini 4 Neon, 智能体与工具: 76.2Gemini 4 Neon, 知识: 72.3Kimi K3.1 Pro, 推理: 57.9Kimi K3.1 Pro, 编程: 58.8Kimi K3.1 Pro, 智能体与工具: 59.5Kimi K3.1 Pro, 知识: 57.1

未绘制(测得的模型少于两个):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 13 项基准测试中,Gemini 4 Neon 领先 10 项,Kimi K3.1 Pro 领先 3 项。所有同时评测两者的综合评分都认为 Gemini 4 Neon 更强。

综合 IndexGemini 4 Neon (high)Kimi K3.1 Pro领先者
BenchLeader Index67.360.7Gemini 4 Neon
AA Intelligence Index v5.0.159.646.5Gemini 4 Neon
Arena Text15191487†Gemini 4 Neon

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 Neon (high)Kimi K3.1 Pro
每百万 token 混合价格$6.00$4.00
每百万 token 输入 / 输出$3.00 / $15.00$2.00 / $10.00
每百万 token 缓存输入$0.150$0.200
每项任务价格:聊天回复$0.0057$0.0038
每项任务价格:总结一份 30 页的报告$0.045$0.030
每项任务价格:代码编辑$0.041$0.027
每项任务价格:智能体编程会话$0.240$0.160
每项任务价格:结构化信息提取$0.0090$0.0060
智能体编程会话(输入大多命中缓存)$0.112$0.079
每项基准测试任务成本(AA Index)$3.74$3.68
每项任务输出 token(AA Index)90k72k
其中推理部分46k44k
每项任务耗时(AA Index)15 min39 min
输出速度101 tok/s31 tok/s
首次回答时间40.6 秒155.6 秒
完整回答耗时(最近一次测量 2026年11月13日)–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 Neon (high) 上花费 $3.74,在 Kimi K3.1 Pro 上花费 $3.68;完成同样的工作,Gemini 4 Neon (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 Neon (high) 得分 67.3,首个回答 token 需 41 秒;Gemini 4 Neon (xhigh) 为 64.3(57 秒)。Kimi K3.1 Pro 得分 60.7,首个回答 token 需 156 秒;Kimi K3.1 Pro (max) 为 60.2(156 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 96 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 Neon (high)Kimi K3.1 Pro
BenchLeader IndexBenchLeader67.360.7
智能体与工具得分BenchLeader76.259.5
编程得分BenchLeader73.458.8
人类偏好得分BenchLeader71.7–
知识得分BenchLeader72.357.1
推理得分BenchLeader71.957.9
长上下文得分BenchLeader–67.9
数学得分BenchLeader–73.4
多模态得分BenchLeader–66.0
混合价格(美元/百万 token)BenchLeader$6.00$4.00
输出速度BenchLeader101 tok/s31 tok/s
首次回答时间BenchLeader40.6 秒155.6 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
Arena Hard PromptsArena (LMArena)15461505†
LiveBench 2.0 ReasoningLiveBench89.6%†91.1%†
Humanity's Last Exam (AA)Artificial Analysis–52.5%
HLE-Diamond (AA)Artificial Analysis68.4%37.3%
CritPtArtificial Analysis–24.6%
CritPt v2 hard subset (AA)Artificial Analysis59.0%49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)15411516†
LMCAEpoch AI Benchmarking Hub–57.6%†
DTBenchEpoch AI Benchmarking Hub–93.3%†
编程
SciCodeSciCode–60.8%
Arena CodingArena (LMArena)15581537†
Arena WebDevArena (LMArena)17641685†
LiveBench 2.0 CodingLiveBench89.7%†67.8%†
IOIVals AI–81.9%†
Vibe Code Bench v1.1Vals AI–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 Analysis61.6%67.2%
GameBench 2 OverallDuelLab GameBench 2–78.3
GameBench 2 by reasoning settingDuelLab GameBench 2–84.0†
显示全部 96 项基准测试
指标发布方Gemini 4 Neon (high)Kimi K3.1 Pro
编程
Design Arena WebsiteDesign Arena–1318
FrontierCode 1.1 (AA)Artificial Analysis–47.1%
FrontierCode 2.0 (AA)Artificial Analysis43.3%25.4%
智能体与工具
Terminal-BenchTerminal-Bench–59.7%†
APEX-AgentsMercor–65.5%
Arena AgentArena (LMArena)18.43.9†
LiveBench Long AgenticLiveBench82.6%†38.7%†
LiveBench BrowserLiveBench95.6%†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 AI–61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.7%†
Legal Research BenchVals AI–37.5%†
Robo-benchVals AI–0.4%†
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI–24.9%†
Terminal-Bench 4.0 (Vals)Vals AI–63.6%†
Terminal-Bench ScienceVals AI–31.4%†
Arena Agent Task CompletionArena (LMArena)19.21.9†
AutomationBenchArtificial Analysis79.2%73.3%
GDP.pdf (AA)Artificial Analysis33.4%31.4%
AA-Briefcase v1.1Artificial Analysis16321674
Design Arena AgenticDesign Arena–1291
Terminal-Bench-Science 0.1 (AA)Artificial Analysis65.7%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 Analysis54.6%43.9%
数学
ProofBenchVals AI–91.0%
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)–1485†
知识
LiveBench 2.0 Data AnalysisLiveBench85.3%†79.1%†
LiveBench ResearchLiveBench94.5%†82.1%†
AA-Omniscience v1.1Artificial Analysis53.829.9
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI–75.6%†
Excel Modeling Benchmark v1.1Vals AI–70.0%†
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL–63.4%†
GDP.pdfEpoch AI Benchmarking Hub–46.6%†
AA-Omniscience v1.1: accuracyArtificial Analysis59.4%48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis86.1%62.7%
指令遵循
Arena Instruction FollowingArena (LMArena)15221493†
人类偏好
Arena TextArena (LMArena)15191487†
EQ-Bench Creative Writing v3EQ-Bench–2173
Arena Creative WritingArena (LMArena)15141456†
Arena Multi-turnArena (LMArena)15291477†
Arena Longer QueriesArena (LMArena)15211489†
多模态
LiveBench DesignLiveBench81.5%†73.7%†
MMMU-ProArtificial Analysis–83.9%
Humanity's Sixth SenseScale AI SEAL75.9%†33.2%†
VIALS-AAHandshake AI–45.3%
AA-3DArtificial Analysis–1112
长上下文
AA-LCR v1.1Artificial Analysis–86.3%
MLCRArtificial Analysis28.9%38.3%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–161.4
LiveBench 2.0LiveBench87.4%†68.7%†
AA Intelligence Index v5.0.1Artificial Analysis59.646.5
AA Intelligence Index v4.3.2Artificial Analysis–55.1
AA Progress Index v1Artificial Analysis–340.7
Vals IndexVals AI–62.5†
Vals Finance IndexVals AI–56.0%†
Vals Science IndexVals AI–44.4%†
Vals Legal IndexVals AI–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19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 gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), 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 → 60.7。
  • Gemini 4 Neon (high):13 项新结果(MLCR, MKA (AA), Arena Text…)。
  • Gemini 4 Neon (high):首批结果。
  • Kimi K3.1 Pro:BenchLeader Index 61.8 → 61.2。
  • Kimi K3.1 Pro:1 项分数修订。
  • 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。
  • 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。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Gemini 4 Neon vs Kimi K3.1 Pro:常见问题

Gemini 4 Neon 比 Kimi K3.1 Pro 更好吗?
质量上 Gemini 4 Neon (high) 领先:67.3 比 60.7。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,Gemini 4 Neon (high) 总体领先,但请结合你的用途查看各类别得分。
Gemini 4 Neon 和 Kimi K3.1 Pro 哪个更便宜?价格会变吗?
目前 Kimi K3.1 Pro 更便宜:每百万 token $4.00 比 $6.00(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 Neon 还是 Kimi K3.1 Pro 更好?
Gemini 4 Neon 在编程方面得分更高(类别得分 73 比 59,50 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 Neon 为 43.3%,Kimi K3.1 Pro 为 25.4%。
Gemini 4 Neon 和 Kimi K3.1 Pro 哪个更快?
Gemini 4 Neon 输出更快(3 倍以上;输出 101 比 31 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 4 Neon 还是 Kimi K3.1 Pro 更好?
Gemini 4 Neon 在智能体任务方面得分更高(类别得分 76 比 60,50 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 Neon 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 40.6 秒比 155.6 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 Neon 和 Kimi K3.1 Pro 的看法一致吗?
在两者都有结果的 13 项基准测试中,Gemini 4 Neon 领先 10 项,Kimi K3.1 Pro 领先 3 项。所有同时评测两者的综合评分都认为 Gemini 4 Neon 更强。
Gemini 4 Neon 是什么时候发布的?
Gemini 4 Neon 于 2026年11月18日 发布。