Kimi K2.7 Code vs MiniMax M3.1 Flash
完整资料:Kimi K2.7 Code(Moonshot AI)和 MiniMax M3.1 Flash(MiniMax),包括全部基准测试、价格和排名。
更新于 · 数据来自 9 个来源
截至 2026年11月16日,Kimi K2.7 Code 与 MiniMax M3.1 Flash 的质量不相上下(BenchLeader Index 53.9 比 54.3,在 ±6.5 的误差范围内)。MiniMax M3.1 Flash 更便宜,对方的价格是它的 6.5 倍(每百万 token 混合价格 $0.262 比 $1.71)。看重推理(53 比 50)选 Kimi K2.7 Code;看重编程(55 比 52)和智能体与工具(55 比 52)选 MiniMax M3.1 Flash。MiniMax M3.1 Flash 的输出更快(约 2 倍)。
要点(截至 2026年11月16日)
- Kimi K2.7 Code 的 BenchLeader Index 为 53.9,MiniMax M3.1 Flash 为 54.3(BenchLeader,2026年11月16日)。
- Kimi K2.7 Code 每百万 token 混合价格为 $1.71(标价,2026年11月16日)。
- MiniMax M3.1 Flash 每百万 token 混合价格为 $0.262(标价,2026年11月16日)。
- MiniMax M3.1 Flash 比 Kimi K2.7 Code 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
- 在两者都有结果的 17 项基准测试中,MiniMax M3.1 Flash 领先 16 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,Kimi K2.7 Code 的评分为 1474,MiniMax M3.1 Flash 为 1584(LMArena,截至 2026年11月16日 的公布数据)。
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 | MiniMax M3.1 Flash | 类别得分 55 比 52;Arena WebDev 1584 比 1474 | 中 |
| 智能体与工具调用 | MiniMax M3.1 Flash | 类别得分 55 比 52;GDPval-AA v2.1, normalised score 47.9% 比 26.9% | 中 |
| 推理 | Kimi K2.7 Code | 类别得分 53 比 50;HLE-Diamond (AA) 14.8% 比 28.1% | 中 |
| 知识 | 均可 | 类别得分 45 比 46 | 均可 |
| 长文档 | 均可 | 类别得分 64 比 65;AA-LCR v1.1 79.3% 比 79.7% | 均可 |
| 成本最低 | MiniMax M3.1 Flash | 每百万 token 混合价格 $0.262 比 $1.71;智能体编程会话 $0.011 比 $0.073 | – |
| 首次回答最快 | Kimi K2.7 Code | 首个回答 token 29.6 秒(Kimi K2.7 Code)比 43.3 秒(MiniMax M3.1 Flash) | – |
| 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 K2.7 Code 与 MiniMax M3.1 Flash 的质量不相上下(53.9 比 54.3,在 ±6.5 的误差范围内)。
- Kimi K2.7 Code 在推理方面更强。
- MiniMax M3.1 Flash 在智能体与工具、编程、知识、长上下文方面更强。
- MiniMax M3.1 Flash 更便宜,对方的价格是它的 6.5 倍(每百万 token 混合价格 $0.262 比 $1.71)。
- MiniMax M3.1 Flash 的输出速度是对方的 2.8 倍(151 比 55 token/秒)。
概览
| 规格 | Kimi K2.7 Code | MiniMax M3.1 Flash |
|---|---|---|
| 提供商 | Moonshot AI | MiniMax |
| 发布日期 | 2026年6月12日 | 2026年10月19日 |
| 上下文窗口(token) | 262,144 | 1,000,000 |
| 对比时的配置 | Kimi K2.7 Code | MiniMax M3.1 Flash |
| 开放权重 | 是 | 是 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $0.950 / $4.00 / $0.190 | $0.150 / $0.600 / $0.015 |
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 K2.7 Code | MiniMax M3.1 Flash | 领先者 |
|---|---|---|---|
| 推理 | 53.0 | 50.1 | Kimi K2.7 Code |
| 编程 | 51.9 | 55.4 | MiniMax M3.1 Flash |
| 智能体与工具 | 52.1 | 55.2 | MiniMax M3.1 Flash |
| 数学 | 51.9 | – | 无法比较 |
| 知识 | 45.4 | 45.9 | 持平 |
| 指令遵循 | 62.9 | – | 无法比较 |
| 多模态 | – | 61.5 | 无法比较 |
| 长上下文 | 64.3 | 64.5 | 持平 |
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):数学, 指令遵循, 多模态, 人类偏好。
各来源的分歧
在两者都有结果的 17 项基准测试中,Kimi K2.7 Code 领先 0 项,MiniMax M3.1 Flash 领先 16 项,1 项持平。
| 综合 Index | Kimi K2.7 Code | MiniMax M3.1 Flash | 领先者 |
|---|---|---|---|
| BenchLeader Index | 53.9 | 54.3 | 不相上下 |
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 K2.7 Code | MiniMax M3.1 Flash |
|---|---|---|
| 每百万 token 混合价格 | $1.71 | $0.262 |
| 每百万 token 输入 / 输出 | $0.950 / $4.00 | $0.150 / $0.600 |
| 每百万 token 缓存输入 | $0.190 | $0.015 |
| 每项任务价格:聊天回复 | $0.0016 | $0.0002 |
| 每项任务价格:总结一份 30 页的报告 | $0.014 | $0.0022 |
| 每项任务价格:代码编辑 | $0.012 | $0.0018 |
| 每项任务价格:智能体编程会话 | $0.073 | $0.011 |
| 每项任务价格:结构化信息提取 | $0.0027 | $0.0004 |
| 智能体编程会话(输入大多命中缓存) | $0.039 | $0.0053 |
| 每项基准测试任务成本(AA Index) | – | $0.491 |
| 每项任务输出 token(AA Index) | – | 138k |
| 其中推理部分 | – | 103k |
| 每项任务耗时(AA Index) | – | 15 min |
| 输出速度 | 55 tok/s | 151 tok/s |
| 首次回答时间 | 29.6 秒 | 43.3 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 102.4 秒 | 141.5 秒 |
每个模型都按其排名最高的推理强度设置进行对比。Kimi K2.7 Code 得分 53.9,首个回答 token 需 30 秒。MiniMax M3.1 Flash 得分 54.3,首个回答 token 需 43 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 100 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 K2.7 Code | MiniMax M3.1 Flash |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 53.9 | 54.3 |
| 智能体与工具得分 | BenchLeader | 52.1 | 55.2 |
| 编程得分 | BenchLeader | 51.9 | 55.4 |
| 指令遵循得分 | BenchLeader | 62.9 | – |
| 知识得分 | BenchLeader | 45.4 | 45.9 |
| 长上下文得分 | BenchLeader | 64.3 | 64.5 |
| 数学得分 | BenchLeader | 51.9 | – |
| 推理得分 | BenchLeader | 53.0 | 50.1 |
| 多模态得分 | BenchLeader | – | 61.5 |
| 混合价格(美元/百万 token) | BenchLeader | $1.71 | $0.262 |
| 输出速度 | BenchLeader | 55 tok/s | 151 tok/s |
| 首次回答时间 | BenchLeader | 29.6 秒 | 43.3 秒 |
| 上下文窗口 | BenchLeader | 262,144 token | 1,000,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 87.9% | – |
| SimpleBench | SimpleBench | 57.9% | – |
| LiveBench 2.0 Reasoning | LiveBench | – | 82.9%† |
| LiveBench 1.0 Reasoning | LiveBench | 82.8% | – |
| GPQA Diamond (AA) | Artificial Analysis | 89.6% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 35.0% | 48.0% |
| HLE-Diamond (AA) | Artificial Analysis | 14.8% | 28.1% |
| CritPt | Artificial Analysis | 10.0% | 22.3% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 32.5% |
| Chess Puzzles | Epoch AI Benchmarking Hub | 14.0% | – |
| 编程 | |||
| SciCode | SciCode | 47.8% | – |
| WeirdML | WeirdML | 54.1% | – |
| FrontierCode | Cognition | 30.1% | – |
| Arena WebDev | Arena (LMArena) | 1474 | 1584 |
| LiveBench 2.0 Coding | LiveBench | – | 68.8%† |
| LiveBench 1.0 Coding | LiveBench | 74.0% | – |
| SciCode (AA) | Artificial Analysis | 47.8% | 53.4% |
| LiveCodeBench | Vals AI | 82.0% | – |
| SWE-bench (Vals) | Vals AI | 78.2% | – |
| Code Migration | Vals AI | 25.4% | – |
| ProgramBench | Vals AI | 0.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 47.2% | 73.9%† |
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 19.8%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 96.6%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 84.3%† |
显示全部 100 项基准测试
| 指标 | 发布方 | Kimi K2.7 Code | MiniMax M3.1 Flash |
|---|---|---|---|
| 编程 | |||
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 48.8% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 30.5% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 886.2 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 1.0% | 25.8% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 67.4% | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 30.3† |
| Design Arena Website | Design Arena | 1258 | 1277 |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 38.6% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 20.8% |
| 智能体与工具 | |||
| APEX-Agents | Mercor | 37.6% | – |
| Arena Agent | Arena (LMArena) | – | -2.7 |
| LiveBench Long Agentic | LiveBench | – | 25.7%† |
| LiveBench Browser | LiveBench | – | 80.6%† |
| LiveBench Agentic Coding | LiveBench | 45.7% | – |
| Terminal-Bench Hard | Artificial Analysis | 44.7% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 90.1% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 67.0% | – |
| HiL-Bench | Scale AI SEAL | – | 65.7% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 26.9% | 47.9% |
| GDPval-AA v2.1 | Artificial Analysis | 1046 | 1465 |
| τ³-Banking (AA) | Artificial Analysis | 20.2% | – |
| Finance Agent v2.1 | Vals AI | – | 58.8%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 7.5%† |
| Legal Research Bench | Vals AI | – | 34.1%† |
| SkillsBench | Vals AI | 50.0% | – |
| Tax Agent Bench | Vals AI | – | 32.1%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 25.3%† |
| Arena Agent Task Completion | Arena (LMArena) | – | -0.7 |
| GBAEval | Epoch AI Benchmarking Hub | 0.8% | – |
| Vending-Bench 2 | Andon Labs | 5082.9 | – |
| AutomationBench | Artificial Analysis | 24.4% | 72.5% |
| GDP.pdf (AA) | Artificial Analysis | 11.2% | 20.8% |
| EnterpriseOps-Gym | Artificial Analysis | 40.2% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 858 | 1474 |
| GDPx | GDPx by SemiAnalysis | – | 4.0%† |
| Design Arena Agentic | Design Arena | 1158 | 1252 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 3.3% |
| MKA (AA) | Artificial Analysis | – | 33.5% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 54.0% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 12.2% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 95.6% | – |
| LiveBench Mathematics | LiveBench | 79.6% | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 36.5% | – |
| LiveBench 2.0 Data Analysis | LiveBench | – | 71.4%† |
| LiveBench Research | LiveBench | – | 76.7%† |
| LiveBench 1.0 Data Analysis | LiveBench | 62.7% | – |
| AA-Omniscience v1.1 | Artificial Analysis | – | -6.4 |
| PRBench Finance | Scale AI SEAL | – | 45.6% |
| PRBench Legal | Scale AI SEAL | – | 45.1% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 67.8%† |
| Access to Justice Benchmark | Vals AI | – | 73.3%† |
| DrugDiscoveryBench | Scale AI SEAL | 35.3%† | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 45.1% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 6.3% |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 77.9% | – |
| LiveBench Instruction Following | LiveBench | 56.3% | – |
| IFBench | Artificial Analysis | 63.1% | – |
| 多模态 | |||
| LiveBench Design | LiveBench | – | 71.2%† |
| MMMU-Pro | Artificial Analysis | – | 79.1% |
| SAGE | Vals AI | – | 85.3%† |
| VIALS-AA | Handshake AI | – | 29.8% |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 79.3% | 79.7% |
| MLCR | Artificial Analysis | 12.2% | 16.7% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 151.2 | – |
| LiveBench 2.0 | LiveBench | – | 63.7%† |
| LiveBench 1.0 | LiveBench | 68.4% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 29.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 25.8 | 42.7 |
| AA Progress Index v1 | Artificial Analysis | 287.6 | 317.6 |
| Vals Index | Vals AI | – | 53.8† |
| Vals Finance Index | Vals AI | – | 55.9%† |
| Vals Router Index | Vals AI | – | 53.8% |
| Vals Legal Index | Vals AI | – | 67.1%† |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 52.1% |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 27.8 | 27.8 |
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
- MiniMax M3.1 Flash:BenchLeader Index 53.7 → 54.3。
- Kimi K2.7 Code:1 项分数修订。
- MiniMax M3.1 Flash:BenchLeader Index 54.3 → 53.7。
- MiniMax M3.1 Flash:1 项分数修订。
- MiniMax M3.1 Flash:6 项分数修订。
- MiniMax M3.1 Flash:BenchLeader Index 53.0 → 54.3。
- MiniMax M3.1 Flash:1 项新结果(HiL-Bench)。
- MiniMax M3.1 Flash:BenchLeader Index 52.0 → 53.0。
- Kimi K2.7 Code:1 项分数修订。
- MiniMax M3.1 Flash:2 项新结果(PRBench Finance, PRBench Legal)。
相关对比
- Kimi K2.7 Code vs Muse Spark Open
- MiniMax M3.1 Flash vs Claude Opus 5.5
- MiniMax M3.1 Flash vs GPT-6 Astra
- MiniMax M3.1 Flash vs Claude Fable 5.1
- MiniMax M3.1 Flash vs GPT-6.1 Sol
- Kimi K2 Thinking vs MiniMax M3.1 Flash
- MiniMax M3.1 Flash vs Gemini 4 Argon
- MiniMax M3.1 Flash vs GPT-5.6 Sol
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 K2.7 Code vs MiniMax M3.1 Flash:常见问题
- Kimi K2.7 Code 比 MiniMax M3.1 Flash 更好吗?
- Kimi K2.7 Code 与 MiniMax M3.1 Flash 的质量不相上下(53.9 比 54.3,在 ±6.5 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 K2.7 Code 和 MiniMax M3.1 Flash 哪个更便宜?价格会变吗?
- 目前 MiniMax M3.1 Flash 更便宜:每百万 token $0.262 比 $1.71(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 Kimi K2.7 Code 还是 MiniMax M3.1 Flash 更好?
- MiniMax M3.1 Flash 在编程方面得分更高(类别得分 55 比 52,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Kimi K2.7 Code 为 1474,MiniMax M3.1 Flash 为 1584。
- Kimi K2.7 Code 和 MiniMax M3.1 Flash 哪个更快?
- MiniMax M3.1 Flash 输出更快(约 2 倍;输出 151 比 55 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Kimi K2.7 Code 还是 MiniMax M3.1 Flash 更好?
- MiniMax M3.1 Flash 在智能体任务方面得分更高(类别得分 55 比 52,50 为平均水平)。
更多问题(4)
- 处理长文档哪个更好?
- 两者在长上下文基准测试上持平(64 比 65)。MiniMax M3.1 Flash 支持更长的上下文:1,000,000 token,Kimi K2.7 Code 为 262,144 token。
- 哪个延迟更低?
- Kimi K2.7 Code 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 29.6 秒比 43.3 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 K2.7 Code 和 MiniMax M3.1 Flash 的看法一致吗?
- 在两者都有结果的 17 项基准测试中,Kimi K2.7 Code 领先 0 项,MiniMax M3.1 Flash 领先 16 项,1 项持平。
- MiniMax M3.1 Flash 是什么时候发布的?
- MiniMax M3.1 Flash 于 2026年10月19日 发布。