BenchLeader

GPT-5.4 Pro vs Kimi K3.1 Pro Together

完整资料:GPT-5.4 Pro(OpenAI)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 4 个来源

截至 2026年11月16日,GPT-5.4 Pro 与 Kimi K3.1 Pro Together 的质量不相上下(BenchLeader Index 63.1 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,GPT-5.4 Pro 均领先。

要点(截至 2026年11月16日)

  • GPT-5.4 Pro 的 BenchLeader Index 为 63.1,Kimi K3.1 Pro Together 为 60.0(BenchLeader,2026年11月16日)。
  • GPT-5.4 Pro 每百万 token 混合价格为 $67.50(标价,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
推理GPT-5.4 Pro类别得分 70 比 67中
知识GPT-5.4 Pro类别得分 74 比 66高
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

  • GPT-5.4 Pro 与 Kimi K3.1 Pro Together (max) 的质量不相上下(63.1 比 60.0,在 ±4.2 的误差范围内)。
  • GPT-5.4 Pro 在知识、推理方面更强。

概览

规格GPT-5.4 ProKimi K3.1 Pro Together
提供商OpenAIMoonshot AI
发布日期2026年3月4日2026年10月23日
上下文窗口(token)1,050,000–
对比时的配置GPT-5.4 ProKimi 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)$30.00 / $180.00 / ––

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GPT-5.4 ProKimi K3.1 Pro Together (max)领先者
推理70.166.9GPT-5.4 Pro
数学–65.2无法比较
知识74.066.0GPT-5.4 Pro
指令遵循64.4–无法比较
多模态69.8–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推理数学知识指令遵循多模态GPT-5.4 Pro, 推理: 70.1GPT-5.4 Pro, 知识: 74.0GPT-5.4 Pro, 指令遵循: 64.4GPT-5.4 Pro, 多模态: 69.8Kimi K3.1 Pro Together, 推理: 66.9Kimi K3.1 Pro Together, 数学: 65.2Kimi K3.1 Pro Together, 知识: 66.0

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):编程, 智能体与工具, 长上下文, 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 0 项基准测试中,GPT-5.4 Pro 领先 0 项,Kimi K3.1 Pro Together 领先 0 项。

综合 IndexGPT-5.4 ProKimi K3.1 Pro Together (max)领先者
BenchLeader Index63.160.0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GPT-5.4 ProKimi K3.1 Pro Together (max)
每百万 token 混合价格$67.50–
每百万 token 输入 / 输出$30.00 / $180.00– / –
每项任务价格:聊天回复$0.066–
每项任务价格:总结一份 30 页的报告$0.468–
每项任务价格:代码编辑$0.450–
每项任务价格:智能体编程会话$2.52–
每项任务价格:结构化信息提取$0.096–
输出速度7 tok/s–
首次回答时间7.9 秒–

每个模型都按其排名最高的推理强度设置进行对比。GPT-5.4 Pro 得分 63.1,首个回答 token 需 8 秒;GPT-5.4 Pro (xhigh) 为 59.5(8 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 22 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GPT-5.4 ProKimi K3.1 Pro Together (max)
BenchLeader IndexBenchLeader63.160.0
指令遵循得分BenchLeader64.4–
知识得分BenchLeader74.066.0
多模态得分BenchLeader69.8–
推理得分BenchLeader70.166.9
数学得分BenchLeader–65.2
混合价格(美元/百万 token)BenchLeader$67.50–
输出速度BenchLeader7 tok/s–
首次回答时间BenchLeader7.9 秒–
上下文窗口BenchLeader1,050,000 token–
推理
GPQA DiamondEpoch AI Benchmarking Hub94.6%†94.2%
Humanity's Last ExamScale AI / CAIS44.3%–
SimpleBenchSimpleBench74.1%–
ARC-AGI-1ARC Prize94.5%†–
ARC-AGI-2ARC Prize83.3%†–
CritPtArtificial Analysis30.0%†–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%†45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–42.0%
编程
WeirdMLWeirdML57.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.5%†78.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub58.5%†65.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
MathArena ApexMathArena69.8%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.3%†62.2%
MultiNRCScale AI SEAL62.3%–
指令遵循
MultiChallengeScale AI SEAL69.2%–
TutorBenchScale AI SEAL56.6%–
多模态
VISTAScale AI SEAL53.9%–
Furniture AssemblyEpoch AI Benchmarking Hub–55.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.2–
安全与诚实
FORTRESSScale AI SEAL14.8%–
MASKScale AI SEAL91.7%–

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

  • Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
  • Kimi K3.1 Pro Together (max):首批结果。
  • GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
  • GPT-5.4 Pro: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

GPT-5.4 Pro vs Kimi K3.1 Pro Together:常见问题

GPT-5.4 Pro 比 Kimi K3.1 Pro Together 更好吗?
GPT-5.4 Pro 与 Kimi K3.1 Pro Together (max) 的质量不相上下(63.1 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。
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。