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”。
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 Pro | Kimi K3.1 Pro Together |
|---|---|---|
| 提供商 | OpenAI | Moonshot 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 Pro | Kimi 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 Pro | Kimi K3.1 Pro Together (max) | 领先者 |
|---|---|---|---|
| 推理 | 70.1 | 66.9 | GPT-5.4 Pro |
| 数学 | – | 65.2 | 无法比较 |
| 知识 | 74.0 | 66.0 | GPT-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。
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。
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 Index | GPT-5.4 Pro | Kimi K3.1 Pro Together (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 63.1 | 60.0 | 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 Pro | Kimi 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 Pro | Kimi K3.1 Pro Together (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 63.1 | 60.0 |
| 指令遵循得分 | BenchLeader | 64.4 | – |
| 知识得分 | BenchLeader | 74.0 | 66.0 |
| 多模态得分 | BenchLeader | 69.8 | – |
| 推理得分 | BenchLeader | 70.1 | 66.9 |
| 数学得分 | BenchLeader | – | 65.2 |
| 混合价格(美元/百万 token) | BenchLeader | $67.50 | – |
| 输出速度 | BenchLeader | 7 tok/s | – |
| 首次回答时间 | BenchLeader | 7.9 秒 | – |
| 上下文窗口 | BenchLeader | 1,050,000 token | – |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.6%† | 94.2% |
| Humanity's Last Exam | Scale AI / CAIS | 44.3% | – |
| SimpleBench | SimpleBench | 74.1% | – |
| ARC-AGI-1 | ARC Prize | 94.5%† | – |
| ARC-AGI-2 | ARC Prize | 83.3%† | – |
| CritPt | Artificial Analysis | 30.0%† | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 59.0%† | 45.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 42.0% |
| 编程 | |||
| WeirdML | WeirdML | 57.4%† | – |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 82.5%† | 78.3% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 58.5%† | 65.8% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 100.0% |
| MathArena Apex | MathArena | 69.8%† | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 46.3%† | 62.2% |
| MultiNRC | Scale AI SEAL | 62.3% | – |
| 指令遵循 | |||
| MultiChallenge | Scale AI SEAL | 69.2% | – |
| TutorBench | Scale AI SEAL | 56.6% | – |
| 多模态 | |||
| VISTA | Scale AI SEAL | 53.9% | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 55.8% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 160.2 | – |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 14.8% | – |
| MASK | Scale AI SEAL | 91.7% | – |
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。
相关对比
- GPT-5.4 Pro vs Claude Fable 5.2
- GPT-5.4 Pro vs Gemini 4 Carbon
- GPT-5.4 Pro vs Claude Opus 5.5
- Kimi K3.1 Pro Together vs Claude Fable 5.2
- Kimi K3.1 Pro Together vs Gemini 4 Carbon
- Kimi K3.1 Pro Together vs Claude Opus 5.5
- Kimi K3.1 Pro Together vs GPT-6 Astra
- GPT-5.4 Pro vs Claude Fable 5.1
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。