GPT-6.1 Sol vs Kimi K3
完整资料:GPT-6.1 Sol(OpenAI)和 Kimi K3(Moonshot AI),包括全部基准测试、价格和排名。
更新于 · 数据来自 18 个来源
截至 2026年11月16日,质量上 GPT-6.1 Sol 领先 Kimi K3(BenchLeader Index 66.6 比 60.7)。GPT-6.1 Sol 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)。看重智能体与工具(64 比 54)、编程(71 比 62)和知识(72 比 66)选 GPT-6.1 Sol;看重人类偏好(69 比 67)选 Kimi K3。Kimi K3 的首次回答更快(0.8 秒 比 166.7 秒)。Kimi K3 的输出更快(约 1.5 倍)。
要点(截至 2026年11月16日)
- GPT-6.1 Sol 的 BenchLeader Index 为 66.6,Kimi K3 为 60.7(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 K3 每百万 token 混合价格为 $6.00(标价,2026年11月16日)。
- Kimi K3 比 GPT-6.1 Sol 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
- 在两者都有结果的 13 项基准测试中,GPT-6.1 Sol 领先 10 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 | GPT-6.1 Sol | 类别得分 71 比 62;SciCode 54.2% 比 58.7% | 高 |
| 智能体与工具调用 | GPT-6.1 Sol | 类别得分 64 比 54;APEX-Agents 60.0% 比 47.8% | 高 |
| 数学 | 均可 | 类别得分 72 比 72;LiveBench Mathematics 96.8% 比 84.4% | 均可 |
| 知识 | GPT-6.1 Sol | 类别得分 72 比 66;LiveBench 1.0 Data Analysis 82.7% 比 78.7% | 中 |
| 对话质量(人类偏好) | Kimi K3 | Arena 投票 69 比 67 | 中 |
| 成本最低 | GPT-6.1 Sol | 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 | Kimi K3 | 首个回答 token 0.8 秒(Kimi K3)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 60.7。
- GPT-6.1 Sol (max) 在智能体与工具、编程、知识、数学方面更强。
- Kimi K3 在人类偏好方面更强。
- GPT-6.1 Sol (max) 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)。
- Kimi K3 的输出速度是对方的 1.5 倍(76 比 50 token/秒)。
概览
| 规格 | GPT-6.1 Sol | Kimi K3 |
|---|---|---|
| 提供商 | OpenAI | Moonshot AI |
| 发布日期 | 2026年9月29日 | 2026年7月16日 |
| 上下文窗口(token) | 1,050,000 | 1,048,576 |
| 对比时的配置 | GPT-6.1 Sol (max) | Kimi K3 |
| 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 | $3.00 / $15.00 / $0.300 |
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 K3 | 领先者 |
|---|---|---|---|
| 推理 | 71.4 | – | 无法比较 |
| 编程 | 71.1 | 61.8 | GPT-6.1 Sol |
| 智能体与工具 | 64.3 | 53.5 | GPT-6.1 Sol |
| 数学 | 71.6 | 71.5 | 持平 |
| 知识 | 71.5 | 66.1 | GPT-6.1 Sol |
| 人类偏好 | 67.1 | 68.6 | Kimi K3 |
| 多模态 | 65.6 | – | 无法比较 |
| 长上下文 | 66.2 | – | 无法比较 |
| 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):推理, 指令遵循, 长上下文, 多模态。
各来源的分歧
在两者都有结果的 13 项基准测试中,GPT-6.1 Sol 领先 10 项,Kimi K3 领先 3 项。第三方来源看法不一:GPT-6.1 Sol 在 BenchLeader Index、AA Intelligence Index v5.0.1和Vals Index 上领先;Kimi K3 在 Arena Text 上领先。
| 综合 Index | GPT-6.1 Sol (max) | Kimi K3 | 领先者 |
|---|---|---|---|
| BenchLeader Index | 66.6 | 60.7 | GPT-6.1 Sol |
| AA Intelligence Index v5.0.1 | 54.6 | 17.4† | GPT-6.1 Sol |
| Vals Index | 63.9 | 53.0† | GPT-6.1 Sol |
| Arena Text | 1481 | 1487† | Kimi K3 |
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 K3 |
|---|---|---|
| 每百万 token 混合价格 | $4.00 | $6.00 |
| 每百万 token 输入 / 输出 | $2.00 / $10.00 | $3.00 / $15.00 |
| 每百万 token 缓存输入 | $0.100 | $0.300 |
| 每项任务价格:聊天回复 | $0.0038 | $0.0057 |
| 每项任务价格:总结一份 30 页的报告 | $0.030 | $0.045 |
| 每项任务价格:代码编辑 | $0.027 | $0.041 |
| 每项任务价格:智能体编程会话 | $0.160 | $0.240 |
| 每项任务价格:结构化信息提取 | $0.0060 | $0.0090 |
| 智能体编程会话(输入大多命中缓存) | $0.074 | $0.118 |
| 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 | 76 tok/s |
| 首次回答时间 | 166.7 秒 | 0.8 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 429.6 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 K3 得分 60.7,首个回答 token 需 1 秒;Kimi K3 (max) 为 60.2(55 秒),Kimi K3 (low) 为 53.6(8 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 188 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 K3 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 66.6 | 60.7 |
| 智能体与工具得分 | BenchLeader | 64.3 | 53.5 |
| 编程得分 | BenchLeader | 71.1 | 61.8 |
| 综合得分 | BenchLeader | 67.9 | – |
| 人类偏好得分 | BenchLeader | 67.1 | 68.6 |
| 知识得分 | BenchLeader | 71.5 | 66.1 |
| 长上下文得分 | BenchLeader | 66.2 | – |
| 数学得分 | BenchLeader | 71.6 | 71.5 |
| 多模态得分 | BenchLeader | 65.6 | – |
| 推理得分 | BenchLeader | 71.4 | – |
| 混合价格(美元/百万 token) | BenchLeader | $4.00 | $6.00 |
| 输出速度 | BenchLeader | 50 tok/s | 76 tok/s |
| 首次回答时间 | BenchLeader | 166.7 秒 | 0.8 秒 |
| 上下文窗口 | BenchLeader | 1,050,000 token | 1,048,576 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.4% | 93.1%† |
| SimpleBench | SimpleBench | 82.9%† | 60.7%† |
| Arena Hard Prompts | Arena (LMArena) | 1505 | 1516† |
| LiveBench 2.0 Reasoning | LiveBench | 92.6% | 90.7%† |
| LiveBench 1.0 Reasoning | LiveBench | 92.6% | 90.7% |
| GPQA Diamond (AA) | Artificial Analysis | – | 93.5%† |
| Humanity's Last Exam (AA) | Artificial Analysis | 52.9% | 46.9%† |
| HLE-Diamond (AA) | Artificial Analysis | 58.8% | 26.9%† |
| GPQA Diamond (Vals) | Vals AI | – | 92.9% |
| ARC-AGI-1 | ARC Prize | 96.5% | 94.5%† |
| ARC-AGI-2 | ARC Prize | 94.2% | 60.4%† |
| ARC-AGI-3 | ARC Prize | 96.2% | – |
| CritPt | Artificial Analysis | 31.7% | 23.4%† |
| CritPt v2 hard subset (AA) | Artificial Analysis | 69.5% | 40.5%† |
| MysteryMechanism | Vals AI | 46.4% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 22.2% |
| Arena Expert | Arena (LMArena) | 1525 | 1528† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 68.0% | 36.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 80.0% | 26.0%† |
| LMCA | Epoch AI Benchmarking Hub | 62.8% | 52.7%† |
| DTBench | Epoch AI Benchmarking Hub | 96.5% | 91.2%† |
| ForecastBench | ForecastBench | – | 64.2%† |
| 编程 | |||
| SciCode | SciCode | 54.2% | 58.7% |
| WeirdML | WeirdML | – | 82.6%† |
| FrontierCode | Cognition | 50.2%† | 44.2% |
显示全部 188 项基准测试
| 指标 | 发布方 | GPT-6.1 Sol (max) | Kimi K3 |
|---|---|---|---|
| 编程 | |||
| Arena Coding | Arena (LMArena) | 1540 | 1538† |
| Arena WebDev | Arena (LMArena) | 1743 | 1658† |
| LiveBench 2.0 Coding | LiveBench | 82.1% | 53.1%† |
| LiveBench 1.0 Coding | LiveBench | 80.4% | 81.5% |
| SciCode (AA) | Artificial Analysis | 54.2% | 59.5%† |
| LiveCodeBench | Vals AI | – | 87.2%† |
| IOI | Vals AI | 96.9% | 48.9%† |
| SWE-bench (Vals) | Vals AI | – | 93.4% |
| Code Migration | Vals AI | 65.1% | 16.1%† |
| Code Migration v1.1 | Vals AI | 77.3% | 28.6%† |
| ProgramBench | Vals AI | 3.0% | 2.0% |
| SWE-bench Multimodal | Vals AI | 43.5% | 44.2%† |
| Vibe Code Bench 1-100 | Vals AI | – | 18.2%† |
| Vibe Code Bench v1.1 | Vals AI | 88.9% | 85.0%† |
| SWE Atlas v1.1 | Scale AI SEAL | 65.9%† | 61.0% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 71.0%† | 65.3% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 66.7%† | 63.3% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 60.0%† | 54.3% |
| SWE-Bench Pro V2 | Scale AI SEAL | 96.1%† | 97.7%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 88.2%† |
| MirrorCode | Epoch AI Benchmarking Hub | 61.1% | 54.4%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | – | 95.0% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 68.5%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 2743.8 | 1524.5† |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 25.9%† |
| WeirdML v3 | WeirdML | 38.3%† | 7.5%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 56.1% | 12.6%† |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 85.0%† |
| Startrise Frontend | Startrise | 78.6%† | 79.8% |
| GameBench 2 Overall | DuelLab GameBench 2 | 84.9† | 48.0 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 92.0† | 45.7† |
| Design Arena Website | Design Arena | 1315† | 1336 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 49.1% | 43.6%† |
| FrontierCode 2.0 (AA) | Artificial Analysis | 40.6% | 10.9%† |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 60.9% | 23.0%† |
| APEX-Agents | Mercor | 60.0% | 47.8% |
| Arena Agent | Arena (LMArena) | 12.5 | 0.6† |
| LiveBench Long Agentic | LiveBench | 65.6% | 36.0%† |
| LiveBench Browser | LiveBench | 93.3% | 75.2%† |
| LiveBench Agentic Coding | LiveBench | 54.5% | 62.2% |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 80.9% |
| MCP Atlas | Scale AI SEAL | – | 82.3%† |
| HiL-Bench | Scale AI SEAL | 62.3%† | 42.7% |
| τ³-bench Banking | τ²-bench | – | 37.1%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 54.8% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1607 | 1542† |
| τ³-Banking (AA) | Artificial Analysis | – | 46.0%† |
| ITBench SRE (AA) | Artificial Analysis | – | 47.7%† |
| Analyst Agent (AA) | Artificial Analysis | 50.0% | 38.8%† |
| APEX-Agents (AA) | Artificial Analysis | – | 41.3%† |
| CyberBench | Vals AI | 39.3% | 75.2%† |
| Finance Agent v2 | Vals AI | 52.0% | 53.1%† |
| Finance Agent v2.1 | Vals AI | 61.8% | 60.0%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 6.3% | 12.9%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 5.4% | 12.9%† |
| Legal Research Bench | Vals AI | 38.5% | 46.1%† |
| Robo-bench | Vals AI | 28.3% | – |
| SREBench | Vals AI | 50.8% | – |
| Tax Agent Bench | Vals AI | 21.8% | 33.4%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 55.0% | 17.2%† |
| Terminal-Bench Science | Vals AI | 52.9% | 1.4%† |
| Time Horizon Index: KSP | Vals AI | – | 10.5%† |
| Arena Search | Arena (LMArena) | 1249 | – |
| Arena Agent Task Completion | Arena (LMArena) | 11.7 | 3.4† |
| PostTrainBench | Epoch AI Benchmarking Hub | 38.8% | 31.5% |
| GBAEval | Epoch AI Benchmarking Hub | – | 48.4% |
| Vending-Bench 2 | Andon Labs | 12860.6† | 5165.0 |
| SpireClimb | Epoch AI Benchmarking Hub | 23.8% | – |
| AutomationBench | Artificial Analysis | 64.9% | 58.3%† |
| GDP.pdf (AA) | Artificial Analysis | 31.0% | 22.0%† |
| Harvey LAB-AA v1.1 | Harvey | 6.9% | 5.3%† |
| EnterpriseOps-Gym | Artificial Analysis | – | 45.3%† |
| AA-Briefcase v1.1 | Artificial Analysis | 1555 | 1497† |
| GDPx | GDPx by SemiAnalysis | 8.4% | 3.7%† |
| Design Arena Agentic | Design Arena | 1375 | 1261 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 58.1% | 8.1%† |
| CWE-Bench (AA) | Artificial Analysis | – | 53.3%† |
| DeepSec-Bench (AA) | Artificial Analysis | – | 12.4%† |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 58.0%† |
| MKA (AA) | Artificial Analysis | 47.7% | – |
| FACTS Search | 92.8%† | 90.3% | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 93.7% | 72.2%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 100.0% | 39.0%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 97.2%† |
| ProofBench | Vals AI | 99.0%† | 87.0% |
| LiveBench Mathematics | LiveBench | 96.8% | 84.4% |
| AIME 2026 | MathArena | – | 96.7%† |
| HMMT February 2026 | MathArena | – | 97.0%† |
| MathArena Apex | MathArena | – | 65.6%† |
| ArXivMath | MathArena | 92.8% | – |
| BrokenArXiv | MathArena | 83.1% | – |
| Arena Maths | Arena (LMArena) | 1499 | 1502† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 4.4% | 0.0%† |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 73.9% | 50.6%† |
| LiveBench 2.0 Data Analysis | LiveBench | 82.7% | 78.7%† |
| LiveBench Research | LiveBench | 90.0% | 79.8%† |
| LiveBench 1.0 Data Analysis | LiveBench | 82.7% | 78.7% |
| AA-Omniscience v1.1 | Artificial Analysis | 42.0 | -1.7† |
| MMLU-Pro | Vals AI | – | 88.0%† |
| LegalBench | Vals AI | – | 86.2%† |
| CorpFin | Vals AI | – | 71.6% |
| TaxEval | Vals AI | – | 75.7% |
| PRBench Finance | Scale AI SEAL | 46.2%† | – |
| PRBench Legal | Scale AI SEAL | 47.9%† | – |
| BioMysteryBench | Vals AI | 79.6% | 72.6%† |
| ClaimBench | Vals AI | 100.0% | – |
| Excel Modeling Benchmark | Vals AI | 70.8% | 66.7%† |
| Excel Modeling Benchmark v1.1 | Vals AI | 71.1% | 71.3%† |
| MedCode | Vals AI | 48.8% | 49.4%† |
| MedScribe | Vals AI | 86.5% | 88.0%† |
| Public Benefits Bench v1.1 | Vals AI | 59.3% | 68.2%† |
| Access to Justice Benchmark | Vals AI | 65.8% | 68.2%† |
| Financial Coaching Bench | Vals AI | 68.5% | 74.5%† |
| Immigration Bench | Vals AI | 67.8% | 68.3%† |
| EBR-bench | Epoch AI Benchmarking Hub | 54.3% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 35.0% | 19.0%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 61.8% | 42.4%† |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 48.1% | 23.4%† |
| HealthBench Professional (AA) | OpenAI | 65.1% | 53.2%† |
| FACTS Parametric | 83.8%† | – | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 90.1% | 85.5% |
| LiveBench Instruction Following | LiveBench | 74.2% | 71.4% |
| MultiChallenge | Scale AI SEAL | 82.0%† | – |
| Arena Instruction Following | Arena (LMArena) | 1482 | 1489† |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1481 | 1487† |
| EQ-Bench 4 | EQ-Bench | 1272† | 1319 |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 2083 |
| Arena Creative Writing | Arena (LMArena) | 1449 | 1459† |
| Arena Multi-turn | Arena (LMArena) | 1486 | 1502† |
| Arena Longer Queries | Arena (LMArena) | 1488 | 1500† |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1286 | – |
| LiveBench Design | LiveBench | 79.6% | 72.5%† |
| MMMU-Pro | Artificial Analysis | 86.0% | 80.5%† |
| MMMU-Pro (Vals) | Vals AI | – | 88.2% |
| MortgageTax | Vals AI | – | 66.3% |
| SAGE | Vals AI | 90.5% | 86.8%† |
| Humanity's Sixth Sense | Scale AI SEAL | 46.6% | 25.5%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 43.2%† | 29.5% |
| Furniture Assembly | Epoch AI Benchmarking Hub | 80.0% | 34.2%† |
| VIALS-AA | Handshake AI | 59.0% | – |
| Code2Video-AA | Artificial Analysis | 1369 | 1041† |
| AA-3D | Artificial Analysis | 1121 | 984† |
| FACTS Multimodal | 52.6%† | – | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 83.0% | 88.7%† |
| MLCR | Artificial Analysis | 38.3% | 21.7%† |
| FACTS Grounding | 78.0%† | – | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 168.5† | 158.6 |
| LiveBench 2.0 | LiveBench | 81.4% | 65.0%† |
| LiveBench 1.0 | LiveBench | 81.6% | 79.2% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 54.6 | 17.4† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 51.8 | 43.6† |
| AA Progress Index v1 | Artificial Analysis | 348.5 | 319.9† |
| Vals Index | Vals AI | 63.9 | 53.0† |
| Vals Finance Index | Vals AI | 55.8% | 58.0%† |
| Vals RSI Index | Vals AI | 26.6% | 20.9%† |
| Vals Science Index | Vals AI | 59.6% | – |
| Vals Multimodal Index | Vals AI | – | 73.4% |
| Vals Router Index | Vals AI | 63.9%† | 53.0% |
| Vals Legal Index | Vals AI | 68.7% | 71.7%† |
| AA Cyber Index | Artificial Analysis | – | 41.3† |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 27.3% |
| DistressBench | Scale AI SEAL | 74.2%† | 73.5% |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | – | 38.9† |
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:BenchLeader Index 59.1 → 60.7。
- 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。
- GPT-6.1 Sol (max):1 项分数修订。
- GPT-6.1 Sol (max):1 项分数修订。
- GPT-6.1 Sol (max):1 项新结果(PostTrainBench)。
- Kimi K3:1 项分数修订。
- 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。
- Kimi K3:4 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 K3 vs Claude Opus 5.5
- GPT-6.1 Sol vs Claude Fable 5.1
- GPT-6.1 Sol vs Claude Fable 5
- GPT-6.1 Sol vs GPT-5.6 Sol
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 K3:常见问题
- GPT-6.1 Sol 比 Kimi K3 更好吗?
- 质量上 GPT-6.1 Sol (max) 领先:66.6 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 K3 哪个更便宜?价格会变吗?
- 目前 GPT-6.1 Sol 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 GPT-6.1 Sol 还是 Kimi K3 更好?
- GPT-6.1 Sol 在编程方面得分更高(类别得分 71 比 62,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,GPT-6.1 Sol 为 54.2%,Kimi K3 为 58.7%。
- GPT-6.1 Sol 和 Kimi K3 哪个更快?
- Kimi K3 输出更快(约 1.5 倍;输出 76 比 50 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 K3 更好?
- GPT-6.1 Sol 在智能体任务方面得分更高(类别得分 64 比 54,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 APEX-Agents 上,GPT-6.1 Sol 为 60.0%,Kimi K3 为 47.8%。
更多问题(4)
- 处理长文档哪个更好?
- 两者都约为 1.1M token(GPT-6.1 Sol 为 1,050,000,Kimi K3 为 1,048,576)。
- 哪个延迟更低?
- Kimi K3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.8 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 K3 的看法一致吗?
- 在两者都有结果的 13 项基准测试中,GPT-6.1 Sol 领先 10 项,Kimi K3 领先 3 项。第三方来源看法不一:GPT-6.1 Sol 在 BenchLeader Index、AA Intelligence Index v5.0.1和Vals Index 上领先;Kimi K3 在 Arena Text 上领先。
- 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。