BenchLeader

GPT-6 Sol vs Kimi K2.6

完整资料:GPT-6 Sol(OpenAI)和 Kimi K2.6(Moonshot AI),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,GPT-6 Sol 与 Kimi K2.6 的质量不相上下(BenchLeader Index 62.6 比 59.3,在 ±7.8 的误差范围内)。Kimi K2.6 更便宜,对方的价格是它的 2.3 倍(每百万 token 混合价格 $1.71 比 $4.00)。看重长上下文(67 比 65)选 GPT-6 Sol;看重多模态(62 比 61)选 Kimi K2.6。GPT-6 Sol 的首次回答更快(36.9 秒 比 93.1 秒)。GPT-6 Sol 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • GPT-6 Sol 的 BenchLeader Index 为 62.6,Kimi K2.6 为 59.3(BenchLeader,2026年11月16日)。
  • GPT-6 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Kimi K2.6 每百万 token 混合价格为 $1.71(标价,2026年11月16日)。
  • GPT-6 Sol 比 Kimi K2.6 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 21 项基准测试中,GPT-6 Sol 领先 21 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
智能体与工具调用均可类别得分 59 比 58;LiveBench Agentic Coding 52.9% 比 46.9%均可
长文档GPT-6 Sol类别得分 67 比 65;AA-LCR v1.1 83.7% 比 81.0%中
图像及其他媒体Kimi K2.6类别得分 62 比 61;MMMU-Pro 79.4% 比 83.0%中
对话质量(人类偏好)–只有 GPT-6 Sol 有 Arena 评分(类别得分 64)无法比较
成本最低Kimi K2.6每百万 token 混合价格 $1.71 比 $4.00;智能体编程会话 $0.073 比 $0.160–
首次回答最快GPT-6 Sol首个回答 token 36.9 秒(GPT-6 Sol (max))比 93.1 秒(Kimi K2.6 (thinking))–
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

  • GPT-6 Sol (max) 与 Kimi K2.6 (thinking) 的质量不相上下(62.6 比 59.3,在 ±7.8 的误差范围内)。
  • GPT-6 Sol (max) 在智能体与工具、长上下文方面更强。
  • Kimi K2.6 (thinking) 在多模态方面更强。
  • Kimi K2.6 (thinking) 更便宜,对方的价格是它的 2.3 倍(每百万 token 混合价格 $1.71 比 $4.00)。
  • GPT-6 Sol (max) 的输出速度是对方的 3.1 倍(127 比 41 token/秒)。

概览

规格GPT-6 SolKimi K2.6
提供商OpenAIMoonshot AI
发布日期2026年9月22日2026年4月20日
上下文窗口(token)1,050,000262,144
对比时的配置GPT-6 Sol (max)Kimi K2.6 (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 / $0.200$0.950 / $4.00 / $0.160

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 Sol (max)Kimi K2.6 (thinking)领先者
推理66.0–无法比较
编程66.3–无法比较
智能体与工具58.858.4持平
数学68.0–无法比较
知识60.6–无法比较
指令遵循–74.1无法比较
人类偏好64.2–无法比较
多模态60.661.7Kimi K2.6
长上下文66.665.2GPT-6 Sol

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智能体与工具长上下文多模态GPT-6 Sol, 智能体与工具: 58.8GPT-6 Sol, 长上下文: 66.6GPT-6 Sol, 多模态: 60.6Kimi K2.6, 智能体与工具: 58.4Kimi K2.6, 长上下文: 65.2Kimi K2.6, 多模态: 61.7

未绘制(测得的模型少于两个):推理, 编程, 数学, 知识, 指令遵循, 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 21 项基准测试中,GPT-6 Sol 领先 21 项,Kimi K2.6 领先 0 项。所有同时评测两者的综合评分都认为 Kimi K2.6 更强。

综合 IndexGPT-6 Sol (max)Kimi K2.6 (thinking)领先者
BenchLeader Index62.659.3不相上下
Arena Text14571461†Kimi K2.6

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 Sol (max)Kimi K2.6 (thinking)
每百万 token 混合价格$4.00$1.71
每百万 token 输入 / 输出$2.00 / $10.00$0.950 / $4.00
每百万 token 缓存输入$0.200$0.160
每项任务价格:聊天回复$0.0038$0.0016
每项任务价格:总结一份 30 页的报告$0.030$0.014
每项任务价格:代码编辑$0.027$0.012
每项任务价格:智能体编程会话$0.160$0.073
每项任务价格:结构化信息提取$0.0060$0.0027
智能体编程会话(输入大多命中缓存)$0.079$0.037
每项基准测试任务成本(AA Index)$2.47–
每项任务输出 token(AA Index)54k–
其中推理部分35k–
每项任务耗时(AA Index)7 min–
输出速度127 tok/s41 tok/s
首次回答时间36.9 秒93.1 秒
完整回答耗时(最近一次测量 2026年11月13日)143.8 秒215.8 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 Sol (max) 得分 62.6,首个回答 token 需 37 秒;GPT-6 Sol (xhigh) 为 58.4(19 秒),GPT-6 Sol (high) 为 58.1(6 秒)。Kimi K2.6 (thinking) 得分 59.3,首个回答 token 需 93 秒;Kimi K2.6 为 55.1(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 149 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 Sol (max)Kimi K2.6 (thinking)
BenchLeader IndexBenchLeader62.659.3
智能体与工具得分BenchLeader58.858.4
编程得分BenchLeader66.3–
人类偏好得分BenchLeader64.2–
知识得分BenchLeader60.6–
长上下文得分BenchLeader66.665.2
数学得分BenchLeader68.0–
多模态得分BenchLeader60.661.7
推理得分BenchLeader66.0–
指令遵循得分BenchLeader–74.1
混合价格(美元/百万 token)BenchLeader$4.00$1.71
输出速度BenchLeader127 tok/s41 tok/s
首次回答时间BenchLeader36.9 秒93.1 秒
上下文窗口BenchLeader1,050,000 token262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.3%90.8%†
SimpleBenchSimpleBench73.1%†–
Arena Hard PromptsArena (LMArena)14831485†
LiveBench 1.0 ReasoningLiveBench88.7%79.4%
GPQA Diamond (AA)Artificial Analysis–91.1%
Humanity's Last Exam (AA)Artificial Analysis47.9%37.5%
HLE-Diamond (AA)Artificial Analysis45.2%–
GPQA Diamond (Vals)Vals AI–89.1%†
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize89.6%–
ARC-AGI-3ARC Prize23.0%–
CritPtArtificial Analysis30.9%8.0%
CritPt v2 hard subset (AA)Artificial Analysis66.5%–
MysteryMechanismVals AI30.2%–
HLE-Diamond (Scale)Scale AI SEAL33.8%†–
Arena ExpertArena (LMArena)14961503†
Chess PuzzlesEpoch AI Benchmarking Hub56.0%20.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%18.0%†
LMCAEpoch AI Benchmarking Hub59.1%37.3%†
DTBenchEpoch AI Benchmarking Hub97.3%90.9%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.7%†
SciCodeSciCode57.6%53.5%†
WeirdMLWeirdML–55.9%†
FrontierCodeCognition49.3%–
Arena CodingArena (LMArena)15211516†
显示全部 149 项基准测试
指标发布方GPT-6 Sol (max)Kimi K2.6 (thinking)
编程
Arena WebDevArena (LMArena)16731509†
LiveBench 1.0 CodingLiveBench81.8%78.6%
SciCode (AA)Artificial Analysis57.6%51.5%
LiveCodeBenchVals AI–86.8%†
IOIVals AI82.6%–
SWE-bench (Vals)Vals AI–76.2%†
Code MigrationVals AI57.2%27.8%†
ProgramBenchVals AI2.0%0.0%†
Vibe Code Bench v1.1Vals AI87.8%37.9%†
MirrorCodeEpoch AI Benchmarking Hub48.9%–
ALE-BenchEpoch AI Benchmarking Hub24621092.7†
WeirdML v3WeirdML19.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis43.9%0.5%
Terminal-Bench 2.1 (AA)Artificial Analysis–65.9%
GameBench 2 OverallDuelLab GameBench 273.0†–
GameBench 2 by reasoning settingDuelLab GameBench 279.4†–
Design Arena WebsiteDesign Arena1290†1263†
FrontierCode 2.0 (AA)Artificial Analysis35.6%–
智能体与工具
Terminal-BenchTerminal-Bench50.3%–
OSWorld-Verified 2.0OSWorld–4.6%†
APEX-AgentsMercor54.3%–
Arena AgentArena (LMArena)6.9–
LiveBench Agentic CodingLiveBench52.9%46.9%
Terminal-Bench HardArtificial Analysis–43.9%
τ²-Bench Telecom (AA)Artificial Analysis–95.9%
Terminal-Bench 2.1 (Vals)Vals AI83.2%53.6%†
HiL-BenchScale AI SEAL–18.7%†
GDPval-AA v2.1Artificial Analysis15141046
τ³-Banking (AA)Artificial Analysis–23.3%
ITBench SRE (AA)Artificial Analysis49.4%31.2%
APEX-Agents (AA)Artificial Analysis–28.5%
CyberBenchVals AI78.0%–
Finance Agent v2Vals AI49.0%44.9%†
Harvey's Legal Agent Benchmark v1Vals AI1.7%1.7%†
Legal Research BenchVals AI28.9%15.9%†
SREBenchVals AI30.5%–
Tax Agent BenchVals AI15.0%12.4%†
Terminal-Bench 2.0 (Vals)Vals AI–57.3%†
Terminal-Bench 4.0 (Vals)Vals AI44.4%–
Terminal-Bench ScienceVals AI30.0%–
Arena SearchArena (LMArena)1229–
Arena Agent Task CompletionArena (LMArena)4.5–
ExploitBenchEpoch AI Benchmarking Hub–18.4%†
GBAEvalEpoch AI Benchmarking Hub–0.9%†
Vending-Bench 2Andon Labs14427.9†6204.6†
SpireClimbEpoch AI Benchmarking Hub9.2%–
AutomationBenchArtificial Analysis61.6%13.0%
GDP.pdf (AA)Artificial Analysis25.2%13.0%
Harvey LAB-AA v1.1Harvey3.6%–
EnterpriseOps-GymArtificial Analysis–38.5%
AA-Briefcase v1.1Artificial Analysis1476821
Design Arena AgenticDesign Arena1218†1158†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis30.0%–
CWE-Bench (AA)Artificial Analysis64.2%–
DeepSec-Bench (AA)Artificial Analysis46.3%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.8%57.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub90.0%25.6%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%96.1%†
ProofBenchVals AI83.0%†16.0%†
LiveBench MathematicsLiveBench96.4%84.3%
AIME 2026MathArena–95.8%†
HMMT February 2026MathArena–94.7%†
USAMO 2026MathArena–51.2%†
MathArena ApexMathArena–24.0%†
Arena MathsArena (LMArena)14401479†
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub60.7%34.9%†
LiveBench 1.0 Data AnalysisLiveBench81.2%65.1%
AA-Omniscience v1.1Artificial Analysis21.4–
MMLU-ProVals AI–87.6%†
LegalBenchVals AI–84.7%†
CorpFinVals AI–66.7%†
TaxEvalVals AI–74.7%†
PRBench LegalScale AI SEAL38.6%†–
BioMysteryBenchVals AI74.8%–
CaseLaw v2Vals AI–61.2%†
Excel Modeling BenchmarkVals AI71.5%57.9%†
MedCodeVals AI47.1%40.1%†
MedScribeVals AI82.0%78.2%†
Public Benefits Bench v1.1Vals AI56.6%56.6%†
Financial Coaching BenchVals AI62.6%–
EBR-benchEpoch AI Benchmarking Hub53.3%2.4%†
GDP.pdfEpoch AI Benchmarking Hub26.4%12.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis51.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.1%–
HealthBench Professional (AA)OpenAI62.3%–
FACTS ParametricGoogle76.1%†–
指令遵循
LiveBench LanguageLiveBench85.3%75.1%
LiveBench Instruction FollowingLiveBench68.6%64.4%
IFBenchArtificial Analysis–76.0%
Arena Instruction FollowingArena (LMArena)14491456†
人类偏好
Arena TextArena (LMArena)14571461†
EQ-Bench 4EQ-Bench–1191†
EQ-Bench Creative Writing v3EQ-Bench2126†1721†
Arena Creative WritingArena (LMArena)14281432†
Arena Multi-turnArena (LMArena)14681462†
Arena Longer QueriesArena (LMArena)14661478†
多模态
Arena VisionArena (LMArena)12331282†
MMMU-ProArtificial Analysis83.0%79.4%
MMMU-Pro (Vals)Vals AI–86.3%†
MortgageTaxVals AI–65.8%†
Humanity's Sixth SenseScale AI SEAL31.2%–
Blueprint-Bench 2Epoch AI Benchmarking Hub36.9%†3.9%†
Furniture AssemblyEpoch AI Benchmarking Hub58.3%21.7%†
AA-3DArtificial Analysis1131–
FACTS MultimodalGoogle43.9%†–
长上下文
AA-LCR v1.1Artificial Analysis83.7%81.0%
Arena DocumentArena (LMArena)–1450†
MLCRArtificial Analysis33.9%11.1%
FACTS GroundingGoogle83.3%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.8†151.6†
LiveBench 1.0LiveBench79.3%70.5%
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis47.627.0
AA Progress Index v1Artificial Analysis334284.4
Vals RSI IndexVals AI28.1%–
Vals Science IndexVals AI45.0%–
Vals Multimodal IndexVals AI–56.4%†
AA Cyber IndexArtificial Analysis36.8–
安全与诚实
FORTRESSScale AI SEAL13.5%†–
DistressBenchScale AI SEAL68.0%†–
元数据
AA Openness IndexArtificial 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 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • Kimi K2.6 (thinking):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Kimi K2.6 (thinking):BenchLeader Index 59.8 → 59.3。
  • GPT-6 Sol (max):1 项新结果(MirrorCode)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):2 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • GPT-6 Sol (max):1 项分数修订。
  • GPT-6 Sol (max):6 项新结果(AA Intelligence Index v5.0.1, AA-Omniscience v1.1, CritPt v2 hard subset (AA)…)。
  • GPT-6 Sol (max):1 项分数修订。

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-6 Sol vs Kimi K2.6:常见问题

GPT-6 Sol 比 Kimi K2.6 更好吗?
GPT-6 Sol (max) 与 Kimi K2.6 (thinking) 的质量不相上下(62.6 比 59.3,在 ±7.8 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。
GPT-6 Sol 和 Kimi K2.6 哪个更便宜?价格会变吗?
目前 Kimi K2.6 更便宜:每百万 token $1.71 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。
GPT-6 Sol 和 Kimi K2.6 哪个更快?
GPT-6 Sol 输出更快(3 倍以上;输出 127 比 41 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6 Sol 还是 Kimi K2.6 更好?
两者在智能体任务方面持平(类别得分 59 比 58)。
处理长文档哪个更好?
GPT-6 Sol 在长上下文基准测试上得分更高(67 比 65)。GPT-6 Sol 支持更长的上下文:1,050,000 token,Kimi K2.6 为 262,144 token。
更多问题(3)
哪个延迟更低?
GPT-6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 36.9 秒比 93.1 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 Sol 和 Kimi K2.6 的看法一致吗?
在两者都有结果的 21 项基准测试中,GPT-6 Sol 领先 21 项,Kimi K2.6 领先 0 项。所有同时评测两者的综合评分都认为 Kimi K2.6 更强。
GPT-6 Sol 是什么时候发布的?
GPT-6 Sol 于 2026年9月22日 发布。