BenchLeader

Kimi K2.6 vs Qwen3.8 Max

完整资料:Kimi K2.6(Moonshot AI)和 Qwen3.8 Max(Alibaba),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16日,Kimi K2.6 与 Qwen3.8 Max 的质量不相上下(BenchLeader Index 59.3 比 58.7,在 ±7.9 的误差范围内)。Kimi K2.6 更便宜,对方的价格是它的 1.8 倍(每百万 token 混合价格 $1.71 比 $3.00)。在两者都有成绩的所有类别中,Qwen3.8 Max 均领先。Qwen3.8 Max 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Kimi K2.6 的 BenchLeader Index 为 59.3,Qwen3.8 Max 为 58.7(BenchLeader,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)。
  • Qwen3.8 Max 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • Qwen3.8 Max 比 Kimi K2.6 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 26 项基准测试中,Qwen3.8 Max 领先 24 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 58 比 59;τ³-Banking (AA) 23.3% 比 51.3%均可
长文档均可类别得分 65 比 65;AA-LCR v1.1 81.0% 比 80.3%均可
图像及其他媒体Qwen3.8 Max类别得分 66 比 62;MMMU-Pro 82.8% 比 79.4%中
对话质量(人类偏好)–只有 Qwen3.8 Max 有 Arena 评分(类别得分 68)无法比较
成本最低Kimi K2.6每百万 token 混合价格 $1.71 比 $3.00;智能体编程会话 $0.073 比 $0.144–
首次回答最快均可首个回答 token 93.1 秒(Kimi K2.6 (thinking))比 119.6 秒(Qwen3.8 Max (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

  • Kimi K2.6 (thinking) 与 Qwen3.8 Max (max) 的质量不相上下(59.3 比 58.7,在 ±7.9 的误差范围内)。
  • Kimi K2.6 (thinking) 在长上下文方面更强。
  • Qwen3.8 Max (max) 在智能体与工具、多模态方面更强。
  • Kimi K2.6 (thinking) 更便宜,对方的价格是它的 1.8 倍(每百万 token 混合价格 $1.71 比 $3.00)。
  • Qwen3.8 Max (max) 的输出速度是对方的 1.5 倍(59 比 41 token/秒)。

概览

规格Kimi K2.6Qwen3.8 Max
提供商Moonshot AIAlibaba
发布日期2026年4月20日2026年8月3日
上下文窗口(token)262,1441,000,000
对比时的配置Kimi K2.6 (thinking)Qwen3.8 Max (max)
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.950 / $4.00 / $0.160$2.00 / $6.00 / $0.250

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Kimi K2.6 (thinking)Qwen3.8 Max (max)领先者
推理–51.5无法比较
编程–61.6无法比较
智能体与工具58.458.5持平
数学–65.2无法比较
知识–58.0无法比较
指令遵循74.1–无法比较
人类偏好–67.5无法比较
多模态61.765.7Qwen3.8 Max
长上下文65.264.8持平
综合–45.0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智能体与工具长上下文多模态Kimi K2.6, 智能体与工具: 58.4Kimi K2.6, 长上下文: 65.2Kimi K2.6, 多模态: 61.7Qwen3.8 Max, 智能体与工具: 58.5Qwen3.8 Max, 长上下文: 64.8Qwen3.8 Max, 多模态: 65.7

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 26 项基准测试中,Kimi K2.6 领先 2 项,Qwen3.8 Max 领先 24 项。所有同时评测两者的综合评分都认为 Qwen3.8 Max 更强。

综合 IndexKimi K2.6 (thinking)Qwen3.8 Max (max)领先者
BenchLeader Index59.358.7不相上下
Arena Text1461†1484Qwen3.8 Max

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Kimi K2.6 (thinking)Qwen3.8 Max (max)
每百万 token 混合价格$1.71$3.00
每百万 token 输入 / 输出$0.950 / $4.00$2.00 / $6.00
每百万 token 缓存输入$0.160$0.250
每项任务价格:聊天回复$0.0016$0.0026
每项任务价格:总结一份 30 页的报告$0.014$0.028
每项任务价格:代码编辑$0.012$0.021
每项任务价格:智能体编程会话$0.073$0.144
每项任务价格:结构化信息提取$0.0027$0.0052
智能体编程会话(输入大多命中缓存)$0.037$0.065
每项基准测试任务成本(AA Index)–$10.02
每项任务输出 token(AA Index)–171k
其中推理部分–120k
每项任务耗时(AA Index)–48 min
输出速度41 tok/s59 tok/s
首次回答时间93.1 秒119.6 秒
完整回答耗时(最近一次测量 2026年11月13日)215.8 秒294.1 秒

每个模型都按其排名最高的推理强度设置进行对比。Kimi K2.6 (thinking) 得分 59.3,首个回答 token 需 93 秒;Kimi K2.6 为 55.1(1 秒)。Qwen3.8 Max (max) 得分 58.7,首个回答 token 需 120 秒;Qwen3.8 Max (xhigh) 为 56.6(3 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 159 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Kimi K2.6 (thinking)Qwen3.8 Max (max)
BenchLeader IndexBenchLeader59.358.7
智能体与工具得分BenchLeader58.458.5
指令遵循得分BenchLeader74.1–
长上下文得分BenchLeader65.264.8
多模态得分BenchLeader61.765.7
编程得分BenchLeader–61.6
综合得分BenchLeader–45.0
人类偏好得分BenchLeader–67.5
知识得分BenchLeader–58.0
数学得分BenchLeader–65.2
推理得分BenchLeader–51.5
混合价格(美元/百万 token)BenchLeader$1.71$3.00
输出速度BenchLeader41 tok/s59 tok/s
首次回答时间BenchLeader93.1 秒119.6 秒
上下文窗口BenchLeader262,144 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.8%†92.7%†
Arena Hard PromptsArena (LMArena)1485†1507
LiveBench 2.0 ReasoningLiveBench–88.2%
LiveBench 1.0 ReasoningLiveBench79.4%88.2%
GPQA Diamond (AA)Artificial Analysis91.1%92.8%
Humanity's Last Exam (AA)Artificial Analysis37.5%43.1%
HLE-Diamond (AA)Artificial Analysis–24.0%
GPQA Diamond (Vals)Vals AI89.1%†93.7%
CritPtArtificial Analysis8.0%20.0%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
MysteryMechanismVals AI–23.9%
Arena ExpertArena (LMArena)1503†1514
Chess PuzzlesEpoch AI Benchmarking Hub20.0%†46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub18.0%†38.0%†
LMCAEpoch AI Benchmarking Hub37.3%†46.2%†
DTBenchEpoch AI Benchmarking Hub90.9%†92.0%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.7%†–
SciCodeSciCode53.5%†53.2%
WeirdMLWeirdML55.9%†–
Arena CodingArena (LMArena)1516†1523
Arena WebDevArena (LMArena)1509†1676
LiveBench 2.0 CodingLiveBench–60.9%
LiveBench 1.0 CodingLiveBench78.6%72.9%
SciCode (AA)Artificial Analysis51.5%53.2%
LiveCodeBenchVals AI86.8%†87.8%
显示全部 159 项基准测试
指标发布方Kimi K2.6 (thinking)Qwen3.8 Max (max)
编程
IOIVals AI–68.9%
SWE-bench (Vals)Vals AI76.2%†85.6%
Code MigrationVals AI27.8%†24.0%
ProgramBenchVals AI0.0%†0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI37.9%†64.7%
SWE Atlas v1.1Scale AI SEAL–64.4%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–81.5%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–52.9%
MirrorCodeEpoch AI Benchmarking Hub–52.2%†
DeepSWE v1.1Epoch AI Benchmarking Hub–57.5%†
ALE-BenchEpoch AI Benchmarking Hub1092.7†1679.1†
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
Terminal-Bench 4.0 (AA)Artificial Analysis0.5%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis65.9%88.8%
Startrise FrontendStartrise–71.3%
GameBench 2 OverallDuelLab GameBench 2–54.2†
GameBench 2 by reasoning settingDuelLab GameBench 2–69.6†
Design Arena WebsiteDesign Arena1263†1269
FrontierCode 1.1 (AA)Artificial Analysis–43.2%
FrontierCode 2.0 (AA)Artificial Analysis–23.4%
智能体与工具
Terminal-BenchTerminal-Bench–27.0%
OSWorld-Verified 2.0OSWorld4.6%†–
APEX-AgentsMercor–63.3%
Arena AgentArena (LMArena)–0.1
LiveBench Long AgenticLiveBench–26.6%
LiveBench BrowserLiveBench–49.4%
LiveBench Agentic CodingLiveBench46.9%64.7%
Terminal-Bench HardArtificial Analysis43.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.9%–
Terminal-Bench 2.1 (Vals)Vals AI53.6%†67.4%
HiL-BenchScale AI SEAL18.7%†–
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–58.3%
GDPval-AA v2.1Artificial Analysis10461674
τ³-Banking (AA)Artificial Analysis23.3%51.3%
ITBench SRE (AA)Artificial Analysis31.2%40.3%
Analyst Agent (AA)Artificial Analysis–45.0%
APEX-Agents (AA)Artificial Analysis28.5%42.4%
CyberBenchVals AI–28.6%
Finance Agent v2Vals AI44.9%†50.6%
Harvey's Legal Agent Benchmark v1Vals AI1.7%†10.4%
Legal Research BenchVals AI15.9%†47.6%
SkillsBenchVals AI–42.0%
Tax Agent BenchVals AI12.4%†32.1%
Terminal-Bench 2.0 (Vals)Vals AI57.3%†–
Terminal-Bench 4.0 (Vals)Vals AI–34.3%
Terminal-Bench ScienceVals AI–12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)–4.5
ExploitBenchEpoch AI Benchmarking Hub18.4%†–
GBAEvalEpoch AI Benchmarking Hub0.9%†–
Vending-Bench 2Andon Labs6204.6†–
AutomationBenchArtificial Analysis13.0%56.2%
GDP.pdf (AA)Artificial Analysis13.0%22.8%
EnterpriseOps-GymArtificial Analysis38.5%47.6%
AA-Briefcase v1.1Artificial Analysis8211604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena1158†1264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.9%
MKA (AA)Artificial Analysis–37.4%
FACTS SearchGoogle–85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub57.2%†74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub25.6%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub96.1%†100.0%†
ProofBenchVals AI16.0%†58.0%
LiveBench MathematicsLiveBench84.3%91.3%
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena94.7%†–
USAMO 2026MathArena51.2%†–
MathArena ApexMathArena24.0%†–
Arena MathsArena (LMArena)1479†1505
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub34.9%†47.3%†
LiveBench 2.0 Data AnalysisLiveBench–78.4%
LiveBench ResearchLiveBench–72.8%
LiveBench 1.0 Data AnalysisLiveBench65.1%78.4%
AA-Omniscience v1.1Artificial Analysis–10.5
MMLU-ProVals AI87.6%†88.6%
LegalBenchVals AI84.7%†83.6%
CorpFinVals AI66.7%†65.8%
TaxEvalVals AI74.7%†75.5%
CaseLaw v2Vals AI61.2%†–
Excel Modeling BenchmarkVals AI57.9%†60.1%
Excel Modeling Benchmark v1.1Vals AI–66.0%
MedCodeVals AI40.1%†40.7%
MedScribeVals AI78.2%†85.0%
Public Benefits Bench v1.1Vals AI56.6%†67.1%
Access to Justice BenchmarkVals AI–76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI–70.1%
EBR-benchEpoch AI Benchmarking Hub2.4%†–
GDP.pdfEpoch AI Benchmarking Hub12.0%†23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis–29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.9%
FACTS ParametricGoogle–30.8%
指令遵循
LiveBench LanguageLiveBench75.1%79.7%
LiveBench Instruction FollowingLiveBench64.4%74.1%
IFBenchArtificial Analysis76.0%–
Arena Instruction FollowingArena (LMArena)1456†1478
人类偏好
Arena TextArena (LMArena)1461†1484
EQ-Bench 4EQ-Bench1191†–
EQ-Bench Creative Writing v3EQ-Bench1721†–
Arena Creative WritingArena (LMArena)1432†1472
Arena Multi-turnArena (LMArena)1462†1495
Arena Longer QueriesArena (LMArena)1478†1496
多模态
Arena VisionArena (LMArena)1282†1312
LiveBench DesignLiveBench–76.6%
MMMU-ProArtificial Analysis79.4%82.8%
MMMU-Pro (Vals)Vals AI86.3%†88.0%
MortgageTaxVals AI65.8%†64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL–33.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub3.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub21.7%†20.0%†
VIALS-AAHandshake AI–31.7%
Code2Video-AAArtificial Analysis–1021
AA-3DArtificial Analysis–954
FACTS MultimodalGoogle–51.5%
长上下文
AA-LCR v1.1Artificial Analysis81.0%80.3%
Arena DocumentArena (LMArena)1450†–
MLCRArtificial Analysis11.1%26.1%
FACTS GroundingGoogle–73.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub151.6†157.6
LiveBench 2.0LiveBench–60.9%
LiveBench 1.0LiveBench70.5%78.5%
AA Intelligence Index v5.0.1Artificial Analysis–33.6
AA Intelligence Index v4.3.2Artificial Analysis27.045.4
AA Progress Index v1Artificial Analysis284.4323.7
Vals RSI IndexVals AI–21.8%
Vals Multimodal IndexVals AI56.4%†65.4%
安全与诚实
DistressBenchScale AI SEAL–77.6%
元数据
AA Openness IndexArtificial Analysis33.3–

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

  • Qwen3.8 Max (max):1 项分数修订。
  • Kimi K2.6 (thinking):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Qwen3.8 Max (max):1 项分数修订。
  • Kimi K2.6 (thinking):BenchLeader Index 59.8 → 59.3。
  • Qwen3.8 Max (max):6 项分数修订。
  • Qwen3.8 Max (max):1 项分数修订。
  • Qwen3.8 Max (max):1 项新结果(FACTS Search);1 项分数修订。
  • Qwen3.8 Max (max):1 项分数修订;价格 $0.22/M → $0.25/M。
  • Qwen3.8 Max (max):价格 $0.25/M → $0.22/M。
  • Qwen3.8 Max (max):1 项分数修订;价格 $0.22/M → $0.25/M。

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

Kimi K2.6 vs Qwen3.8 Max:常见问题

Kimi K2.6 比 Qwen3.8 Max 更好吗?
Kimi K2.6 (thinking) 与 Qwen3.8 Max (max) 的质量不相上下(59.3 比 58.7,在 ±7.9 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。
Kimi K2.6 和 Qwen3.8 Max 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 $3.00(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。
Kimi K2.6 和 Qwen3.8 Max 哪个更快?
Qwen3.8 Max 输出更快(约 1.5 倍;输出 59 比 41 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Kimi K2.6 还是 Qwen3.8 Max 更好?
两者在智能体任务方面持平(类别得分 58 比 59)。在两者共同的最主要智能体与工具基准测试 τ³-Banking (AA) 上,Kimi K2.6 为 23.3%,Qwen3.8 Max 为 51.3%。
处理长文档哪个更好?
两者在长上下文基准测试上持平(65 比 65)。Qwen3.8 Max 支持更长的上下文:1,000,000 token,Kimi K2.6 为 262,144 token。
更多问题(3)
哪个延迟更低?
Kimi K2.6 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 93.1 秒比 119.6 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 Kimi K2.6 和 Qwen3.8 Max 的看法一致吗?
在两者都有结果的 26 项基准测试中,Kimi K2.6 领先 2 项,Qwen3.8 Max 领先 24 项。所有同时评测两者的综合评分都认为 Qwen3.8 Max 更强。
Qwen3.8 Max 是什么时候发布的?
Qwen3.8 Max 于 2026年8月3日 发布。