BenchLeader

GPT-6.2 Astra vs Kimi K3.1 Pro Together

完整资料:GPT-6.2 Astra(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 10 个来源

截至 2026年11月19日,质量上 GPT-6.2 Astra 领先 Kimi K3.1 Pro Together(BenchLeader Index 68.9 比 59.8)。在两者都有成绩的所有类别中,GPT-6.2 Astra 均领先。

要点(截至 2026年11月19日)

  • GPT-6.2 Astra 的 BenchLeader Index 为 68.9,Kimi K3.1 Pro Together 为 59.8(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)。
  • 在两者都有结果的 11 项基准测试中,GPT-6.2 Astra 领先 10 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
数学GPT-6.2 Astra类别得分 73 比 65;FrontierMath Tiers 1–3 92.6% 比 78.3%高
推理GPT-6.2 Astra类别得分 73 比 67;GPQA Diamond 96.8% 比 94.2%中
知识GPT-6.2 Astra类别得分 74 比 65;SimpleQA Verified 78.5% 比 62.2%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

  • 质量上 GPT-6.2 Astra (max) 领先:68.9 比 59.8。
  • GPT-6.2 Astra (max) 在知识、数学、推理方面更强。

概览

规格GPT-6.2 AstraKimi K3.1 Pro Together
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)1,050,000–
对比时的配置GPT-6.2 Astra (max)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)$8.00 / $40.00 / $0.400–

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 Together (max)领先者
推理73.166.9GPT-6.2 Astra
编程76.1–无法比较
智能体与工具66.4–无法比较
数学72.564.7GPT-6.2 Astra
知识74.265.2GPT-6.2 Astra
多模态71.7–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推理数学知识GPT-6.2 Astra, 推理: 73.1GPT-6.2 Astra, 数学: 72.5GPT-6.2 Astra, 知识: 74.2Kimi K3.1 Pro Together, 推理: 66.9Kimi K3.1 Pro Together, 数学: 64.7Kimi K3.1 Pro Together, 知识: 65.2

未绘制(测得的模型少于两个):编程, 智能体与工具, 指令遵循, 长上下文, 多模态, 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 11 项基准测试中,GPT-6.2 Astra 领先 10 项,Kimi K3.1 Pro Together 领先 0 项,1 项持平。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 Together (max)领先者
BenchLeader Index68.959.8GPT-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 Together (max)
每百万 token 混合价格$16.00–
每百万 token 输入 / 输出$8.00 / $40.00– / –
每百万 token 缓存输入$0.400–
每项任务价格:聊天回复$0.015–
每项任务价格:总结一份 30 页的报告$0.120–
每项任务价格:代码编辑$0.108–
每项任务价格:智能体编程会话$0.640–
每项任务价格:结构化信息提取$0.024–
智能体编程会话(输入大多命中缓存)$0.298–
每项基准测试任务成本(AA Index)$4.00–
每项任务输出 token(AA Index)41k–
其中推理部分26k–
每项任务耗时(AA Index)14 min–
输出速度49 tok/s–
首次回答时间202.7 秒–

每个模型都按其排名最高的推理强度设置进行对比。GPT-6.2 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 Together (max) 得分 59.8。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 81 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 Together (max)
BenchLeader IndexBenchLeader68.959.8
智能体与工具得分BenchLeader66.4–
编程得分BenchLeader76.1–
综合得分BenchLeader69.5–
知识得分BenchLeader74.265.2
数学得分BenchLeader72.564.7
多模态得分BenchLeader71.7–
推理得分BenchLeader73.166.9
混合价格(美元/百万 token)BenchLeader$16.00–
输出速度BenchLeader49 tok/s–
首次回答时间BenchLeader202.7 秒–
上下文窗口BenchLeader1,050,000 token–
推理
GPQA DiamondEpoch AI Benchmarking Hub96.8%94.2%
LiveBench 2.0 ReasoningLiveBench91.6%–
HLE-Diamond (AA)Artificial Analysis72.2%–
ARC-AGI-1ARC Prize98.5%–
ARC-AGI-2ARC Prize95.8%–
ARC-AGI-3ARC Prize99.8%–
CritPt v2 hard subset (AA)Artificial Analysis71.5%–
MysteryMechanismVals AI53.1%–
HLE-Diamond (Scale)Scale AI SEAL66.9%†–
Chess PuzzlesEpoch AI Benchmarking Hub78.0%45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub95.0%42.0%
编程
Arena WebDevArena (LMArena)1781–
LiveBench 2.0 CodingLiveBench91.9%–
Vibe Code Bench v1.1Vals AI89.9%–
Vibe Code Bench 1-100 v1.1Vals AI55.2%–
SWE Atlas v1.1Scale AI SEAL60.5%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL67.7%†–
SWE Atlas v1.1: Test WritingScale AI SEAL62.2%†–
SWE Atlas v1.1: RefactoringScale AI SEAL51.4%†–
MirrorCodeEpoch AI Benchmarking Hub67.8%43.3%
Terminal-Bench 4.0 (AA)Artificial Analysis64.1%–
Design Arena WebsiteDesign Arena1339†–
FrontierCode 2.0 (AA)Artificial Analysis45.4%–
智能体与工具
Terminal-BenchTerminal-Bench62.1%–
Arena AgentArena (LMArena)15.2–
显示全部 81 项基准测试
指标发布方GPT-6.2 Astra (max)Kimi K3.1 Pro Together (max)
智能体与工具
LiveBench Long AgenticLiveBench70.8%–
LiveBench BrowserLiveBench93.0%–
Analyst Agent (AA)Artificial Analysis62.5%–
Finance Agent v2.1Vals AI60.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI16.3%–
Legal Research BenchVals AI42.8%–
Robo-benchVals AI32.7%–
Tax Agent BenchVals AI21.8%–
Terminal-Bench 4.0 (Vals)Vals AI63.1%–
Terminal-Bench ScienceVals AI71.4%–
Arena Agent Task CompletionArena (LMArena)12.4–
SpireClimbEpoch AI Benchmarking Hub41.3%0.0%
AutomationBenchArtificial Analysis77.3%–
GDP.pdf (AA)Artificial Analysis29.8%–
Harvey LAB-AA v1.1Harvey15.0%–
EnterpriseOps-GymArtificial Analysis29.9%–
AA-Briefcase v1.1Artificial Analysis1643–
Design Arena AgenticDesign Arena1304–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis78.1%–
CWE-Bench (AA)Artificial Analysis65.0%–
DeepSec-Bench (AA)Artificial Analysis46.8%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
MKA (AA)Artificial Analysis52.7%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub92.6%78.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%65.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
Autoform-HardVals AI87.5%–
FrontierMath ErdősEpoch AI Benchmarking Hub10.3%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub78.5%62.2%
LiveBench 2.0 Data AnalysisLiveBench84.1%–
LiveBench ResearchLiveBench91.5%–
AA-Omniscience v1.1Artificial Analysis50–
PRBench LegalScale AI SEAL43.1%†–
BioMysteryBenchVals AI80.7%–
Excel Modeling Benchmark v1.1Vals AI76.0%–
DrugDiscoveryBenchScale AI SEAL65.5%†–
EBR-benchEpoch AI Benchmarking Hub92.4%37.1%
AA-Omniscience v1.1: accuracyArtificial Analysis68.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.9%–
指令遵循
MultiChallengeScale AI SEAL73.2%†–
多模态
LiveBench DesignLiveBench82.8%–
MMMU-ProArtificial Analysis89.5%–
Humanity's Sixth SenseScale AI SEAL63.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub89.2%55.8%
VIALS-AAHandshake AI65.8%–
AA-3DArtificial Analysis1318–
长上下文
MLCRArtificial Analysis39.4%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub174.2†–
LiveBench 2.0LiveBench84.9%–
AA Intelligence Index v5.0.1Artificial Analysis62.1–
Vals IndexVals AI67.7–
Vals Finance IndexVals AI57.3%–
Vals RSI IndexVals AI29.0%–
Vals Science IndexVals AI68.4%–
Vals Legal IndexVals AI69.7%–
AA Cyber IndexArtificial Analysis37.3–

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。

变化

  • GPT-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
  • GPT-6.2 Astra (max):6 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • Kimi K3.1 Pro Together (max):3 项新结果(EBR-bench, MirrorCode, SpireClimb)。
  • 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 Together (max):BenchLeader Index 60.5 → 60.0。
  • Kimi K3.1 Pro Together (max):首批结果。

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 Together:常见问题

GPT-6.2 Astra 比 Kimi K3.1 Pro Together 更好吗?
质量上 GPT-6.2 Astra (max) 领先:68.9 比 59.8。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。
第三方基准测试对 GPT-6.2 Astra 和 Kimi K3.1 Pro Together 的看法一致吗?
在两者都有结果的 11 项基准测试中,GPT-6.2 Astra 领先 10 项,Kimi K3.1 Pro Together 领先 0 项,1 项持平。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。