GPT-6.1 Sol vs Kimi K2.5
完整资料:GPT-6.1 Sol(OpenAI)和 Kimi K2.5(Moonshot AI),包括全部基准测试、价格和排名。
更新于 · 数据来自 16 个来源
截至 2026年11月16日,质量上 GPT-6.1 Sol 领先 Kimi K2.5(BenchLeader Index 66.6 比 59.4)。不过,Kimi K2.5 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $1.20 比 $4.00)。在两者都有成绩的所有类别中,GPT-6.1 Sol 均领先。GPT-6.1 Sol 输出更快。
要点(截至 2026年11月16日)
- GPT-6.1 Sol 的 BenchLeader Index 为 66.6,Kimi K2.5 为 59.4(BenchLeader,2026年11月16日)。
- GPT-6.1 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
- Kimi K2.5 每百万 token 混合价格为 $1.20(标价,2026年11月16日)。
- GPT-6.1 Sol 比 Kimi K2.5 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
- 在两者都有结果的 25 项基准测试中,GPT-6.1 Sol 领先 25 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,GPT-6.1 Sol 的评分为 1743,Kimi K2.5 为 1436(LMArena,截至 2026年11月16日 的公布数据)。
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 | GPT-6.1 Sol | 类别得分 71 比 55;Arena WebDev 1743 比 1436 | 高 |
| 智能体与工具调用 | GPT-6.1 Sol | 类别得分 64 比 45;GDPval-AA v2.1 1607 比 847 | 高 |
| 数学 | GPT-6.1 Sol | 类别得分 72 比 65;Arena Maths 1499 比 1470 | 中 |
| 推理 | GPT-6.1 Sol | 类别得分 71 比 67;Arena Hard Prompts 1505 比 1471 | 中 |
| 知识 | GPT-6.1 Sol | 类别得分 72 比 60;Excel Modeling Benchmark 70.8% 比 28.5% | 高 |
| 长文档 | GPT-6.1 Sol | 类别得分 66 比 64;AA-LCR v1.1 83.0% 比 78.0% | 中 |
| 图像及其他媒体 | GPT-6.1 Sol | 类别得分 66 比 59;Arena Vision 1286 比 1269 | 中 |
| 对话质量(人类偏好) | GPT-6.1 Sol | Arena 投票 67 比 63 | 中 |
| 成本最低 | Kimi K2.5 | 每百万 token 混合价格 $1.20 比 $4.00;智能体编程会话 $0.048 比 $0.160 | – |
| 首次回答最快 | Kimi K2.5 | 首个回答 token 42.0 秒(Kimi K2.5 (thinking))比 166.7 秒(GPT-6.1 Sol (max)) | – |
| 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 GPT-6.1 Sol (max) 领先:66.6 比 59.4。
- GPT-6.1 Sol (max) 在智能体与工具、编程、人类偏好、知识、长上下文、数学、多模态、推理方面更强。
- Kimi K2.5 (thinking) 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $1.20 比 $4.00)。
概览
| 规格 | GPT-6.1 Sol | Kimi K2.5 |
|---|---|---|
| 提供商 | OpenAI | Moonshot AI |
| 发布日期 | 2026年9月29日 | 2026年1月27日 |
| 上下文窗口(token) | 1,050,000 | 262,144 |
| 对比时的配置 | GPT-6.1 Sol (max) | Kimi K2.5 (thinking) |
| 开放权重 | 否 | 是 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $2.00 / $10.00 / $0.100 | $0.600 / $3.00 / $0.100 |
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-6.1 Sol (max) | Kimi K2.5 (thinking) | 领先者 |
|---|---|---|---|
| 推理 | 71.4 | 67.3 | GPT-6.1 Sol |
| 编程 | 71.1 | 55.4 | GPT-6.1 Sol |
| 智能体与工具 | 64.3 | 45.1 | GPT-6.1 Sol |
| 数学 | 71.6 | 65.1 | GPT-6.1 Sol |
| 知识 | 71.5 | 60.1 | GPT-6.1 Sol |
| 指令遵循 | – | 69.1 | 无法比较 |
| 人类偏好 | 67.1 | 63.2 | GPT-6.1 Sol |
| 多模态 | 65.6 | 59.1 | GPT-6.1 Sol |
| 长上下文 | 66.2 | 63.6 | GPT-6.1 Sol |
| 综合 | 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。
未绘制(测得的模型少于两个):指令遵循。
各来源的分歧
在两者都有结果的 25 项基准测试中,GPT-6.1 Sol 领先 25 项,Kimi K2.5 领先 0 项。所有同时评测两者的综合评分都认为 GPT-6.1 Sol 更强。
| 综合 Index | GPT-6.1 Sol (max) | Kimi K2.5 (thinking) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 66.6 | 59.4 | GPT-6.1 Sol |
| Arena Text | 1481 | 1450 | GPT-6.1 Sol |
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-6.1 Sol (max) | Kimi K2.5 (thinking) |
|---|---|---|
| 每百万 token 混合价格 | $4.00 | $1.20 |
| 每百万 token 输入 / 输出 | $2.00 / $10.00 | $0.600 / $3.00 |
| 每百万 token 缓存输入 | $0.100 | $0.100 |
| 每项任务价格:聊天回复 | $0.0038 | $0.0011 |
| 每项任务价格:总结一份 30 页的报告 | $0.030 | $0.0090 |
| 每项任务价格:代码编辑 | $0.027 | $0.0081 |
| 每项任务价格:智能体编程会话 | $0.160 | $0.048 |
| 每项任务价格:结构化信息提取 | $0.0060 | $0.0018 |
| 智能体编程会话(输入大多命中缓存) | $0.074 | $0.025 |
| 每项基准测试任务成本(AA Index) | $1.27 | – |
| 每项任务输出 token(AA Index) | 68k | – |
| 其中推理部分 | 49k | – |
| 每项任务耗时(AA Index) | 23 min | – |
| 输出速度 | 50 tok/s | 43 tok/s |
| 首次回答时间 | 166.7 秒 | 42.0 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 429.6 秒 | 129.1 秒 |
每个模型都按其排名最高的推理强度设置进行对比。GPT-6.1 Sol (max) 得分 66.6,首个回答 token 需 167 秒;GPT-6.1 Sol (xhigh) 为 63.6(68 秒),GPT-6.1 Sol (high) 为 63.4(33 秒)。Kimi K2.5 (thinking) 得分 59.4,首个回答 token 需 42 秒;Kimi K2.5 为 54.6(1 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 195 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-6.1 Sol (max) | Kimi K2.5 (thinking) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 66.6 | 59.4 |
| 智能体与工具得分 | BenchLeader | 64.3 | 45.1 |
| 编程得分 | BenchLeader | 71.1 | 55.4 |
| 综合得分 | BenchLeader | 67.9 | – |
| 人类偏好得分 | BenchLeader | 67.1 | 63.2 |
| 知识得分 | BenchLeader | 71.5 | 60.1 |
| 长上下文得分 | BenchLeader | 66.2 | 63.6 |
| 数学得分 | BenchLeader | 71.6 | 65.1 |
| 多模态得分 | BenchLeader | 65.6 | 59.1 |
| 推理得分 | BenchLeader | 71.4 | 67.3 |
| 指令遵循得分 | BenchLeader | – | 69.1 |
| 混合价格(美元/百万 token) | BenchLeader | $4.00 | $1.20 |
| 输出速度 | BenchLeader | 50 tok/s | 43 tok/s |
| 首次回答时间 | BenchLeader | 166.7 秒 | 42.0 秒 |
| 上下文窗口 | BenchLeader | 1,050,000 token | 262,144 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.4% | 87.6%† |
| Humanity's Last Exam | Scale AI / CAIS | – | 24.4%† |
| SimpleBench | SimpleBench | 82.9%† | 46.8%† |
| Arena Hard Prompts | Arena (LMArena) | 1505 | 1471 |
| LiveBench 2.0 Reasoning | LiveBench | 92.6% | – |
| LiveBench 1.0 Reasoning | LiveBench | 92.6% | – |
| GPQA Diamond (AA) | Artificial Analysis | – | 87.9% |
| Humanity's Last Exam (AA) | Artificial Analysis | 52.9% | 30.7% |
| HLE-Diamond (AA) | Artificial Analysis | 58.8% | – |
| GPQA Diamond (Vals) | Vals AI | – | 84.1% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 78.5% |
| ARC-AGI-1 | ARC Prize | 96.5% | 65.3%† |
| ARC-AGI-2 | ARC Prize | 94.2% | 11.8%† |
| ARC-AGI-3 | ARC Prize | 96.2% | – |
| CritPt | Artificial Analysis | 31.7% | 3.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 69.5% | – |
| MysteryMechanism | Vals AI | 46.4% | – |
| Arena Expert | Arena (LMArena) | 1525 | 1482 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 68.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 80.0% | – |
| CL-bench | Epoch AI Benchmarking Hub | – | 19.3%† |
| CL-bench Life | Epoch AI Benchmarking Hub | – | 13.2%† |
| LMCA | Epoch AI Benchmarking Hub | 62.8% | – |
| DTBench | Epoch AI Benchmarking Hub | 96.5% | – |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 73.8%† |
显示全部 195 项基准测试
| 指标 | 发布方 | GPT-6.1 Sol (max) | Kimi K2.5 (thinking) |
|---|---|---|---|
| 编程 | |||
| SciCode | SciCode | 54.2% | 49.0%† |
| WeirdML | WeirdML | – | 45.6%† |
| FrontierCode | Cognition | 50.2%† | – |
| Arena Coding | Arena (LMArena) | 1540 | 1502 |
| Arena WebDev | Arena (LMArena) | 1743 | 1436 |
| LiveBench 2.0 Coding | LiveBench | 82.1% | – |
| LiveBench 1.0 Coding | LiveBench | 80.4% | – |
| SciCode (AA) | Artificial Analysis | 54.2% | – |
| LiveCodeBench | Vals AI | – | 83.9% |
| IOI | Vals AI | 96.9% | – |
| SWE-bench (Vals) | Vals AI | – | 70.0% |
| SWE-bench Verified (bash only) | SWE-bench | – | 70.8%† |
| SWE-bench Multilingual (bash only) | SWE-bench | – | 67.3%† |
| SWE-bench Verified (any scaffold) | SWE-bench | – | 70.8%† |
| Code Migration | Vals AI | 65.1% | 7.0% |
| Code Migration v1.1 | Vals AI | 77.3% | – |
| ProgramBench | Vals AI | 3.0% | – |
| SWE-bench Multimodal | Vals AI | 43.5% | – |
| Vibe Code Bench v1.1 | Vals AI | 88.9% | 17.5% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | – | 13.1%† |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | – | 20.9%† |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | – | 25.8%† |
| SWE Atlas v1.1 | Scale AI SEAL | 65.9%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 71.0%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 66.7%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 60.0%† | – |
| SWE-Bench Pro V2 | Scale AI SEAL | 96.1%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 61.1% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 2743.8 | 821.6† |
| WeirdML v3 | WeirdML | 38.3%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 56.1% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 45.7% |
| Startrise Frontend | Startrise | 78.6%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 84.9† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 92.0† | – |
| Design Arena Website | Design Arena | 1315† | 1241 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 49.1% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 40.6% | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 60.9% | 43.2%† |
| APEX-Agents | Mercor | 60.0% | – |
| Arena Agent | Arena (LMArena) | 12.5 | – |
| LiveBench Long Agentic | LiveBench | 65.6% | – |
| LiveBench Browser | LiveBench | 93.3% | – |
| LiveBench Agentic Coding | LiveBench | 54.5% | – |
| Terminal-Bench Hard | Artificial Analysis | – | 34.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 95.9% |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 42.0% |
| MCP Atlas | Scale AI SEAL | – | 64.4%† |
| HiL-Bench | Scale AI SEAL | 62.3%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 54.8% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1607 | 847 |
| τ³-Banking (AA) | Artificial Analysis | – | 14.2% |
| Analyst Agent (AA) | Artificial Analysis | 50.0% | – |
| APEX-Agents (AA) | Artificial Analysis | – | 11.5% |
| CyberBench | Vals AI | 39.3% | – |
| Finance Agent v2 | Vals AI | 52.0% | 35.8% |
| Finance Agent v2.1 | Vals AI | 61.8% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 6.3% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 5.4% | 0.0% |
| Legal Research Bench | Vals AI | 38.5% | 15.9% |
| Robo-bench | Vals AI | 28.3% | – |
| SREBench | Vals AI | 50.8% | – |
| Tax Agent Bench | Vals AI | 21.8% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 40.5% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 55.0% | – |
| Terminal-Bench Science | Vals AI | 52.9% | – |
| Arena Search | Arena (LMArena) | 1249 | – |
| Arena Agent Task Completion | Arena (LMArena) | 11.7 | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 38.8% | – |
| Vending-Bench 2 | Andon Labs | 12860.6† | 1198.5† |
| SpireClimb | Epoch AI Benchmarking Hub | 23.8% | – |
| AutomationBench | Artificial Analysis | 64.9% | – |
| GDP.pdf (AA) | Artificial Analysis | 31.0% | – |
| Harvey LAB-AA v1.1 | Harvey | 6.9% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1555 | – |
| GDPx | GDPx by SemiAnalysis | 8.4% | – |
| Design Arena Agentic | Design Arena | 1375 | 1116 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 58.1% | – |
| MKA (AA) | Artificial Analysis | 47.7% | – |
| FACTS Search | 92.8%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 93.7% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 100.0% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 92.2%† |
| ProofBench | Vals AI | 99.0%† | – |
| LiveBench Mathematics | LiveBench | 96.8% | – |
| AIME (Vals) | Vals AI | – | 95.6% |
| AIME 2026 | MathArena | – | 95.8%† |
| HMMT February 2026 | MathArena | – | 87.1%† |
| MathArena Apex | MathArena | – | 8.8%† |
| ArXivMath | MathArena | 92.8% | – |
| BrokenArXiv | MathArena | 83.1% | – |
| Arena Maths | Arena (LMArena) | 1499 | 1470 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 4.4% | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 73.9% | 34.3%† |
| LiveBench 2.0 Data Analysis | LiveBench | 82.7% | – |
| LiveBench Research | LiveBench | 90.0% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 82.7% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 42.0 | – |
| MMLU-Pro | Vals AI | – | 85.9% |
| CorpFin | Vals AI | – | 68.3% |
| TaxEval | Vals AI | – | 74.2% |
| MedQA | Vals AI | – | 94.4% |
| PRBench Finance | Scale AI SEAL | 46.2%† | 46.5%† |
| PRBench Legal | Scale AI SEAL | 47.9%† | 43.8%† |
| MultiNRC | Scale AI SEAL | – | 35.2%† |
| BioMysteryBench | Vals AI | 79.6% | – |
| CaseLaw v2 | Vals AI | – | 58.7% |
| ClaimBench | Vals AI | 100.0% | – |
| Excel Modeling Benchmark | Vals AI | 70.8% | 28.5% |
| Excel Modeling Benchmark v1.1 | Vals AI | 71.1% | – |
| MedCode | Vals AI | 48.8% | 39.3% |
| MedScribe | Vals AI | 86.5% | 76.4% |
| Public Benefits Bench v1.1 | Vals AI | 59.3% | – |
| Access to Justice Benchmark | Vals AI | 65.8% | – |
| Financial Coaching Bench | Vals AI | 68.5% | – |
| Immigration Bench | Vals AI | 67.8% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 54.3% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 35.0% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 61.8% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 48.1% | – |
| Global-MMLU-Lite (AA) | Artificial Analysis | – | 84.0%† |
| HealthBench Professional (AA) | OpenAI | 65.1% | – |
| FACTS Parametric | 83.8%† | – | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 90.1% | – |
| LiveBench Instruction Following | LiveBench | 74.2% | – |
| IFBench | Artificial Analysis | – | 70.2% |
| MultiChallenge | Scale AI SEAL | 82.0%† | 61.4%† |
| TutorBench | Scale AI SEAL | – | 54.6%† |
| Arena Instruction Following | Arena (LMArena) | 1482 | 1439 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1481 | 1450 |
| EQ-Bench 4 | EQ-Bench | 1272† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1579† |
| Arena Creative Writing | Arena (LMArena) | 1449 | 1422 |
| Arena Multi-turn | Arena (LMArena) | 1486 | 1452 |
| Arena Longer Queries | Arena (LMArena) | 1488 | 1457 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1286 | 1269 |
| LiveBench Design | LiveBench | 79.6% | – |
| MMMU-Pro | Artificial Analysis | 86.0% | 75.4% |
| VISTA | Scale AI SEAL | – | 41.9%† |
| MMMU-Pro (Vals) | Vals AI | – | 84.3% |
| MortgageTax | Vals AI | – | 66.5% |
| SAGE | Vals AI | 90.5% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 46.6% | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 43.2%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 80.0% | – |
| VIALS-AA | Handshake AI | 59.0% | – |
| Code2Video-AA | Artificial Analysis | 1369 | – |
| AA-3D | Artificial Analysis | 1121 | – |
| FACTS Multimodal | 52.6%† | – | |
| 长上下文 | |||
| Fiction.LiveBench 120k | Fiction.live | – | 78.1%† |
| AA-LCR v1.1 | Artificial Analysis | 83.0% | 78.0% |
| Arena Document | Arena (LMArena) | – | 1438 |
| MLCR | Artificial Analysis | 38.3% | – |
| FACTS Grounding | 78.0%† | – | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 168.5† | 148.8† |
| LiveBench 2.0 | LiveBench | 81.4% | – |
| LiveBench 1.0 | LiveBench | 81.6% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 54.6 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 51.8 | 23.5 |
| AA Progress Index v1 | Artificial Analysis | 348.5 | 270.5 |
| Vals Index | Vals AI | 63.9 | – |
| Vals Finance Index | Vals AI | 55.8% | – |
| Vals RSI Index | Vals AI | 26.6% | 6.8%† |
| Vals Science Index | Vals AI | 59.6% | – |
| Vals Router Index | Vals AI | 63.9%† | – |
| Vals Legal Index | Vals AI | 68.7% | – |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 41.1%† |
| MASK | Scale AI SEAL | – | 70.5%† |
| DistressBench | Scale AI SEAL | 74.2%† | – |
| 元数据 | |||
| AA Openness Index | Artificial 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
- GPT-6.1 Sol (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…);1 项分数修订。
- Kimi K2.5 (thinking):1 项分数修订。
- GPT-6.1 Sol (max):1 项分数修订。
- Kimi K2.5 (thinking):1 项新结果(GDPval-AA v2.1)。
- GPT-6.1 Sol (max):1 项分数修订。
- Kimi K2.5 (thinking):BenchLeader Index 58.9 → 59.4。
- GPT-6.1 Sol (max):1 项新结果(PostTrainBench)。
- GPT-6.1 Sol (max):1 项新结果(MirrorCode);1 项分数修订。
- GPT-6.1 Sol (max):BenchLeader Index 67.4 → 66.9。
- GPT-6.1 Sol (max):2 项分数修订。
相关对比
- GPT-6.1 Sol vs Claude Fable 5.2
- GPT-6.1 Sol vs Gemini 4 Carbon
- GPT-6.1 Sol vs Claude Opus 5.5
- GPT-6.1 Sol vs GPT-6 Astra
- Kimi K2.5 vs Claude Opus 5.5
- Kimi K2.5 vs GPT-6 Astra
- GPT-6.1 Sol vs Claude Fable 5.1
- GPT-6.1 Sol vs Claude Fable 5
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
GPT-6.1 Sol vs Kimi K2.5:常见问题
- GPT-6.1 Sol 比 Kimi K2.5 更好吗?
- 质量上 GPT-6.1 Sol (max) 领先:66.6 比 59.4。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-6.1 Sol (max) 总体领先,但请结合你的用途查看各类别得分。
- GPT-6.1 Sol 和 Kimi K2.5 哪个更便宜?价格会变吗?
- 目前 Kimi K2.5 更便宜:每百万 token $1.20 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 GPT-6.1 Sol 还是 Kimi K2.5 更好?
- GPT-6.1 Sol 在编程方面得分更高(类别得分 71 比 55,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-6.1 Sol 为 1743,Kimi K2.5 为 1436。
- GPT-6.1 Sol 和 Kimi K2.5 哪个更快?
- GPT-6.1 Sol 输出更快(输出 50 比 43 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 GPT-6.1 Sol 还是 Kimi K2.5 更好?
- GPT-6.1 Sol 在智能体任务方面得分更高(类别得分 64 比 45,50 为平均水平)。
更多问题(4)
- 处理长文档哪个更好?
- GPT-6.1 Sol 在长上下文基准测试上得分更高(66 比 64)。GPT-6.1 Sol 支持更长的上下文:1,050,000 token,Kimi K2.5 为 262,144 token。
- 哪个延迟更低?
- Kimi K2.5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 42.0 秒比 166.7 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 GPT-6.1 Sol 和 Kimi K2.5 的看法一致吗?
- 在两者都有结果的 25 项基准测试中,GPT-6.1 Sol 领先 25 项,Kimi K2.5 领先 0 项。所有同时评测两者的综合评分都认为 GPT-6.1 Sol 更强。
- GPT-6.1 Sol 是什么时候发布的?
- GPT-6.1 Sol 于 2026年9月29日 发布。