BenchLeader

GPT-6.2 Astra vs Kimi K3.1 Pro

完整资料:GPT-6.2 Astra(OpenAI)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 13 个来源

截至 2026年11月19日,质量上 GPT-6.2 Astra 领先 Kimi K3.1 Pro(BenchLeader Index 68.9 比 60.7)。不过,Kimi K3.1 Pro 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $4.00 比 $16.00)。在两者都有成绩的所有类别中,GPT-6.2 Astra 均领先。GPT-6.2 Astra 输出更快(约 1.5 倍)。

要点(截至 2026年11月19日)

  • GPT-6.2 Astra 的 BenchLeader Index 为 68.9,Kimi K3.1 Pro 为 60.7(BenchLeader,2026年11月19日)。
  • GPT-6.2 Astra 每百万 token 混合价格为 $16.00(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)。
  • GPT-6.2 Astra 比 Kimi K3.1 Pro 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 22 项基准测试中,GPT-6.2 Astra 领先 16 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GPT-6.2 Astra类别得分 76 比 59;FrontierCode 2.0 (AA) 45.4% 比 25.4%高
智能体与工具调用GPT-6.2 Astra类别得分 66 比 60;CWE-Bench (AA) 65.0% 比 60.8%中
数学均可类别得分 73 比 73均可
推理GPT-6.2 Astra类别得分 73 比 58;HLE-Diamond (AA) 72.2% 比 37.3%高
知识GPT-6.2 Astra类别得分 74 比 57;AA-Omniscience v1.1 50 比 29.9高
图像及其他媒体GPT-6.2 Astra类别得分 72 比 66;MMMU-Pro 89.5% 比 83.9%中
成本最低Kimi K3.1 Pro每百万 token 混合价格 $4.00 比 $16.00;智能体编程会话 $0.160 比 $0.640–
首次回答最快Kimi K3.1 Pro首个回答 token 155.6 秒(Kimi K3.1 Pro)比 202.7 秒(GPT-6.2 Astra (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-6.2 Astra (max) 领先:68.9 比 60.7。
  • GPT-6.2 Astra (max) 在智能体与工具、编程、知识、多模态、推理方面更强。
  • Kimi K3.1 Pro 在数学方面更强。
  • Kimi K3.1 Pro 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $4.00 比 $16.00)。
  • GPT-6.2 Astra (max) 的输出速度是对方的 1.6 倍(49 比 31 token/秒)。

概览

规格GPT-6.2 AstraKimi K3.1 Pro
提供商OpenAIMoonshot AI
发布日期2026年11月17日2026年10月23日
上下文窗口(token)1,050,0001,048,576
对比时的配置GPT-6.2 Astra (max)Kimi K3.1 Pro
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$8.00 / $40.00 / $0.400$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GPT-6.2 Astra (max)Kimi K3.1 Pro领先者
推理73.157.9GPT-6.2 Astra
编程76.158.8GPT-6.2 Astra
智能体与工具66.459.5GPT-6.2 Astra
数学72.573.4持平
知识74.257.1GPT-6.2 Astra
多模态71.766.0GPT-6.2 Astra
长上下文–67.9无法比较
综合69.5–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数学知识多模态GPT-6.2 Astra, 推理: 73.1GPT-6.2 Astra, 编程: 76.1GPT-6.2 Astra, 智能体与工具: 66.4GPT-6.2 Astra, 数学: 72.5GPT-6.2 Astra, 知识: 74.2GPT-6.2 Astra, 多模态: 71.7Kimi 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, 数学: 73.4Kimi K3.1 Pro, 知识: 57.1Kimi K3.1 Pro, 多模态: 66.0

未绘制(测得的模型少于两个):指令遵循, 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 22 项基准测试中,GPT-6.2 Astra 领先 16 项,Kimi K3.1 Pro 领先 6 项。所有同时评测两者的综合评分都认为 GPT-6.2 Astra 更强。

综合 IndexGPT-6.2 Astra (max)Kimi K3.1 Pro领先者
BenchLeader Index68.960.7GPT-6.2 Astra
AA Intelligence Index v5.0.162.146.5GPT-6.2 Astra
Vals Index67.762.5†GPT-6.2 Astra

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-6.2 Astra (max)Kimi K3.1 Pro
每百万 token 混合价格$16.00$4.00
每百万 token 输入 / 输出$8.00 / $40.00$2.00 / $10.00
每百万 token 缓存输入$0.400$0.200
每项任务价格:聊天回复$0.015$0.0038
每项任务价格:总结一份 30 页的报告$0.120$0.030
每项任务价格:代码编辑$0.108$0.027
每项任务价格:智能体编程会话$0.640$0.160
每项任务价格:结构化信息提取$0.024$0.0060
智能体编程会话(输入大多命中缓存)$0.298$0.079
每项基准测试任务成本(AA Index)$4.00$3.68
每项任务输出 token(AA Index)41k72k
其中推理部分26k44k
每项任务耗时(AA Index)14 min39 min
输出速度49 tok/s31 tok/s
首次回答时间202.7 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 GPT-6.2 Astra (max) 上花费 $4.00,在 Kimi K3.1 Pro 上花费 $3.68;完成同样的工作,Kimi K3.1 Pro 输出的 token 是对方的 1.8 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。GPT-6.2 Astra (max) 得分 68.9,首个回答 token 需 203 秒;GPT-6.2 Astra (xhigh) 为 67.1(67 秒),GPT-6.2 Astra (medium) 为 65.6(4 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 118 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-6.2 Astra (max)Kimi K3.1 Pro
BenchLeader IndexBenchLeader68.960.7
智能体与工具得分BenchLeader66.459.5
编程得分BenchLeader76.158.8
综合得分BenchLeader69.5–
知识得分BenchLeader74.257.1
数学得分BenchLeader72.573.4
多模态得分BenchLeader71.766.0
推理得分BenchLeader73.157.9
长上下文得分BenchLeader–67.9
混合价格(美元/百万 token)BenchLeader$16.00$4.00
输出速度BenchLeader49 tok/s31 tok/s
首次回答时间BenchLeader202.7 秒155.6 秒
上下文窗口BenchLeader1,050,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.8%–
Arena Hard PromptsArena (LMArena)–1505†
LiveBench 2.0 ReasoningLiveBench91.6%91.1%†
Humanity's Last Exam (AA)Artificial Analysis–52.5%
HLE-Diamond (AA)Artificial Analysis72.2%37.3%
ARC-AGI-1ARC Prize98.5%–
ARC-AGI-2ARC Prize95.8%–
ARC-AGI-3ARC Prize99.8%–
CritPtArtificial Analysis–24.6%
CritPt v2 hard subset (AA)Artificial Analysis71.5%49.5%
MysteryMechanismVals AI53.1%26.1%†
HLE-Diamond (Scale)Scale AI SEAL66.9%†–
Arena ExpertArena (LMArena)–1516†
Chess PuzzlesEpoch AI Benchmarking Hub78.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub95.0%–
LMCAEpoch AI Benchmarking Hub–57.6%†
DTBenchEpoch AI Benchmarking Hub–93.3%†
编程
SciCodeSciCode–60.8%
Arena CodingArena (LMArena)–1537†
Arena WebDevArena (LMArena)17811685†
LiveBench 2.0 CodingLiveBench91.9%67.8%†
IOIVals AI–81.9%†
Vibe Code Bench v1.1Vals AI89.9%84.9%†
Vibe Code Bench 1-100 v1.1Vals AI55.2%–
SWE Atlas v1.1Scale AI SEAL60.5%†61.1%
显示全部 118 项基准测试
指标发布方GPT-6.2 Astra (max)Kimi K3.1 Pro
编程
SWE Atlas v1.1: Codebase QnAScale AI SEAL67.7%†70.2%
SWE Atlas v1.1: Test WritingScale AI SEAL62.2%†58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL51.4%†54.3%
MirrorCodeEpoch AI Benchmarking Hub67.8%–
ALE-BenchEpoch AI Benchmarking Hub–1932.8†
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis64.1%67.2%
GameBench 2 OverallDuelLab GameBench 2–78.3
GameBench 2 by reasoning settingDuelLab GameBench 2–84.0†
Design Arena WebsiteDesign Arena1339†1318
FrontierCode 1.1 (AA)Artificial Analysis–47.1%
FrontierCode 2.0 (AA)Artificial Analysis45.4%25.4%
智能体与工具
Terminal-BenchTerminal-Bench62.1%59.7%†
APEX-AgentsMercor–65.5%
Arena AgentArena (LMArena)15.23.9†
LiveBench Long AgenticLiveBench70.8%38.7%†
LiveBench BrowserLiveBench93.0%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 Analysis62.5%38.8%
Finance Agent v2.1Vals AI60.8%61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI16.3%11.7%†
Legal Research BenchVals AI42.8%37.5%†
Robo-benchVals AI32.7%0.4%†
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI21.8%24.9%†
Terminal-Bench 4.0 (Vals)Vals AI63.1%63.6%†
Terminal-Bench ScienceVals AI71.4%31.4%†
Arena Agent Task CompletionArena (LMArena)12.41.9†
SpireClimbEpoch AI Benchmarking Hub41.3%–
AutomationBenchArtificial Analysis77.3%73.3%
GDP.pdf (AA)Artificial Analysis29.8%31.4%
Harvey LAB-AA v1.1Harvey15.0%–
EnterpriseOps-GymArtificial Analysis29.9%–
AA-Briefcase v1.1Artificial Analysis16431674
Design Arena AgenticDesign Arena13041291
Terminal-Bench-Science 0.1 (AA)Artificial Analysis78.1%34.3%
CWE-Bench (AA)Artificial Analysis65.0%60.8%
DeepSec-Bench (AA)Artificial Analysis46.8%36.7%
CyberGym end-to-end (AA)Artificial Analysis0.0%94.7%
MKA (AA)Artificial Analysis52.7%43.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub92.6%–
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI–91.0%
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Autoform-HardVals AI87.5%–
Arena MathsArena (LMArena)–1485†
FrontierMath ErdősEpoch AI Benchmarking Hub10.3%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub78.5%–
LiveBench 2.0 Data AnalysisLiveBench84.1%79.1%†
LiveBench ResearchLiveBench91.5%82.1%†
AA-Omniscience v1.1Artificial Analysis5029.9
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL43.1%†47.9%
BioMysteryBenchVals AI80.7%75.6%†
Excel Modeling Benchmark v1.1Vals AI76.0%70.0%†
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL65.5%†63.4%†
EBR-benchEpoch AI Benchmarking Hub92.4%–
GDP.pdfEpoch AI Benchmarking Hub–46.6%†
AA-Omniscience v1.1: accuracyArtificial Analysis68.6%48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.9%62.7%
指令遵循
MultiChallengeScale AI SEAL73.2%†–
Arena Instruction FollowingArena (LMArena)–1493†
人类偏好
Arena TextArena (LMArena)–1487†
EQ-Bench Creative Writing v3EQ-Bench–2173
Arena Creative WritingArena (LMArena)–1456†
Arena Multi-turnArena (LMArena)–1477†
Arena Longer QueriesArena (LMArena)–1489†
多模态
LiveBench DesignLiveBench82.8%73.7%†
MMMU-ProArtificial Analysis89.5%83.9%
Humanity's Sixth SenseScale AI SEAL63.2%†33.2%†
Furniture AssemblyEpoch AI Benchmarking Hub89.2%–
VIALS-AAHandshake AI65.8%45.3%
AA-3DArtificial Analysis13181112
长上下文
AA-LCR v1.1Artificial Analysis–86.3%
MLCRArtificial Analysis39.4%38.3%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub174.2†161.4
LiveBench 2.0LiveBench84.9%68.7%†
AA Intelligence Index v5.0.1Artificial Analysis62.146.5
AA Intelligence Index v4.3.2Artificial Analysis–55.1
AA Progress Index v1Artificial Analysis–340.7
Vals IndexVals AI67.762.5†
Vals Finance IndexVals AI57.3%56.0%†
Vals RSI IndexVals AI29.0%–
Vals Science IndexVals AI68.4%44.4%†
Vals Legal IndexVals AI69.7%67.0%†
AA Cyber IndexArtificial Analysis37.364.1
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

  • GPT-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
  • Kimi K3.1 Pro:BenchLeader Index 61.2 → 60.7。
  • GPT-6.2 Astra (max):6 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
  • GPT-6.2 Astra (max):2 项新结果(MKA (AA), Terminal-Bench)。
  • 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。

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-6.2 Astra vs Kimi K3.1 Pro:常见问题

GPT-6.2 Astra 比 Kimi K3.1 Pro 更好吗?
质量上 GPT-6.2 Astra (max) 领先:68.9 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,GPT-6.2 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-6.2 Astra 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 $16.00(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-6.2 Astra 还是 Kimi K3.1 Pro 更好?
GPT-6.2 Astra 在编程方面得分更高(类别得分 76 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,GPT-6.2 Astra 为 45.4%,Kimi K3.1 Pro 为 25.4%。
GPT-6.2 Astra 和 Kimi K3.1 Pro 哪个更快?
GPT-6.2 Astra 输出更快(约 1.5 倍;输出 49 比 31 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6.2 Astra 还是 Kimi K3.1 Pro 更好?
GPT-6.2 Astra 在智能体任务方面得分更高(类别得分 66 比 60,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 CWE-Bench (AA) 上,GPT-6.2 Astra 为 65.0%,Kimi K3.1 Pro 为 60.8%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1.1M token(GPT-6.2 Astra 为 1,050,000,Kimi K3.1 Pro 为 1,048,576)。
哪个延迟更低?
Kimi K3.1 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 155.6 秒比 202.7 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-6.2 Astra 和 Kimi K3.1 Pro 的看法一致吗?
在两者都有结果的 22 项基准测试中,GPT-6.2 Astra 领先 16 项,Kimi K3.1 Pro 领先 6 项。所有同时评测两者的综合评分都认为 GPT-6.2 Astra 更强。
GPT-6.2 Astra 是什么时候发布的?
GPT-6.2 Astra 于 2026年11月17日 发布。