BenchLeader

Kimi K2 Thinking vs MiniMax M3.1 Flash

完整资料:Kimi K2 Thinking(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 12 个来源

截至 2026年11月16日,Kimi K2 Thinking 与 MiniMax M3.1 Flash 的质量不相上下(BenchLeader Index 52.3 比 54.3,在 ±5.6 的误差范围内)。MiniMax M3.1 Flash 更便宜,对方的价格是它的 4.1 倍(每百万 token 混合价格 $0.262 比 $1.07)。看重知识(51 比 46)选 Kimi K2 Thinking;看重编程(55 比 49)、长上下文(65 比 61)和智能体与工具(55 比 51)选 MiniMax M3.1 Flash。Kimi K2 Thinking 的首次回答更快(25.1 秒 比 43.3 秒)。

要点(截至 2026年11月16日)

  • Kimi K2 Thinking 的 BenchLeader Index 为 52.3,MiniMax M3.1 Flash 为 54.3(BenchLeader,2026年11月16日)。
  • Kimi K2 Thinking 每百万 token 混合价格为 $1.07(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)。
  • 在两者都有结果的 8 项基准测试中,MiniMax M3.1 Flash 领先 7 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
编程MiniMax M3.1 Flash类别得分 55 比 49;Design Arena Website 1277 比 1105中
智能体与工具调用MiniMax M3.1 Flash类别得分 55 比 51中
推理MiniMax M3.1 Flash类别得分 50 比 47;Humanity's Last Exam (AA) 48.0% 比 23.8%中
知识Kimi K2 Thinking类别得分 51 比 46;PRBench Finance 43.4% 比 45.6%中
长文档MiniMax M3.1 Flash类别得分 65 比 61;AA-LCR v1.1 79.7% 比 72.0%中
成本最低MiniMax M3.1 Flash每百万 token 混合价格 $0.262 比 $1.07;智能体编程会话 $0.011 比 $0.046–
首次回答最快Kimi K2 Thinking首个回答 token 25.1 秒(Kimi K2 Thinking (thinking))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 Thinking (thinking) 与 MiniMax M3.1 Flash 的质量不相上下(52.3 比 54.3,在 ±5.6 的误差范围内)。
  • Kimi K2 Thinking (thinking) 在知识方面更强。
  • MiniMax M3.1 Flash 在智能体与工具、编程、长上下文、推理方面更强。
  • MiniMax M3.1 Flash 更便宜,对方的价格是它的 4.1 倍(每百万 token 混合价格 $0.262 比 $1.07)。

概览

规格Kimi K2 ThinkingMiniMax M3.1 Flash
提供商Moonshot AIMiniMax
发布日期2025年11月6日2026年10月19日
上下文窗口(token)262,1441,000,000
对比时的配置Kimi K2 Thinking (thinking)MiniMax M3.1 Flash
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.600 / $2.50 / $0.150$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 Thinking (thinking)MiniMax M3.1 Flash领先者
推理46.950.1MiniMax M3.1 Flash
编程49.255.4MiniMax M3.1 Flash
智能体与工具51.455.2MiniMax M3.1 Flash
数学50.5–无法比较
知识51.045.9Kimi K2 Thinking
指令遵循59.3–无法比较
多模态–61.5无法比较
长上下文60.564.5MiniMax M3.1 Flash

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知识长上下文Kimi K2 Thinking, 推理: 46.9Kimi K2 Thinking, 编程: 49.2Kimi K2 Thinking, 智能体与工具: 51.4Kimi K2 Thinking, 知识: 51.0Kimi K2 Thinking, 长上下文: 60.5MiniMax M3.1 Flash, 推理: 50.1MiniMax M3.1 Flash, 编程: 55.4MiniMax M3.1 Flash, 智能体与工具: 55.2MiniMax M3.1 Flash, 知识: 45.9MiniMax M3.1 Flash, 长上下文: 64.5

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。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 8 项基准测试中,Kimi K2 Thinking 领先 0 项,MiniMax M3.1 Flash 领先 7 项,1 项持平。

综合 IndexKimi K2 Thinking (thinking)MiniMax M3.1 Flash领先者
BenchLeader Index52.354.3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 Thinking (thinking)MiniMax M3.1 Flash
每百万 token 混合价格$1.07$0.262
每百万 token 输入 / 输出$0.600 / $2.50$0.150 / $0.600
每百万 token 缓存输入$0.150$0.015
每项任务价格:聊天回复$0.0010$0.0002
每项任务价格:总结一份 30 页的报告$0.0087$0.0022
每项任务价格:代码编辑$0.0074$0.0018
每项任务价格:智能体编程会话$0.046$0.011
每项任务价格:结构化信息提取$0.0017$0.0004
智能体编程会话(输入大多命中缓存)$0.026$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130 tok/s151 tok/s
首次回答时间25.1 秒43.3 秒
完整回答耗时(最近一次测量 2026年11月13日)46.4 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 Thinking (thinking) 得分 52.3,首个回答 token 需 25 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 94 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 Thinking (thinking)MiniMax M3.1 Flash
BenchLeader IndexBenchLeader52.354.3
智能体与工具得分BenchLeader51.455.2
编程得分BenchLeader49.255.4
指令遵循得分BenchLeader59.3–
知识得分BenchLeader51.045.9
长上下文得分BenchLeader60.564.5
数学得分BenchLeader50.5–
推理得分BenchLeader46.950.1
多模态得分BenchLeader–61.5
混合价格(美元/百万 token)BenchLeader$1.07$0.262
输出速度BenchLeader130 tok/s151 tok/s
首次回答时间BenchLeader25.1 秒43.3 秒
上下文窗口BenchLeader262,144 token1,000,000 token
推理
SimpleBenchSimpleBench39.6%–
LiveBench 2.0 ReasoningLiveBench–82.9%†
GPQA Diamond (AA)Artificial Analysis83.8%–
Humanity's Last Exam (AA)Artificial Analysis23.8%48.0%
HLE-Diamond (AA)Artificial Analysis–28.1%
GPQA Diamond (Vals)Vals AI78.5%–
Kagi LLM BenchmarkKagi LLM Benchmark64.4%–
CritPtArtificial Analysis2.6%22.3%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
CL-benchEpoch AI Benchmarking Hub17.6%–
编程
WeirdMLWeirdML42.8%–
Arena WebDevArena (LMArena)–1584
LiveBench 2.0 CodingLiveBench–68.8%†
SciCode (AA)Artificial Analysis–53.4%
LiveCodeBenchVals AI63.1%–
SWE-bench (Vals)Vals AI60.2%–
SWE-bench Verified (bash only)SWE-bench63.4%–
SWE-bench Verified (any scaffold)SWE-bench63.4%–
Vibe Code Bench v1.1Vals AI–73.9%†
Vibe Code Bench 1-100 v1.1Vals AI–19.8%†
SWE-Bench Pro V2Scale AI SEAL–96.6%†
SWE-Bench Pro V2 HARDScale AI SEAL–84.3%†
ALE-BenchEpoch AI Benchmarking Hub597.5–
Terminal-Bench 4.0 (AA)Artificial Analysis–25.8%
GameBench 2 by reasoning settingDuelLab GameBench 2–30.3†
显示全部 94 项基准测试
指标发布方Kimi K2 Thinking (thinking)MiniMax M3.1 Flash
编程
Design Arena WebsiteDesign Arena11051277
FrontierCode 1.1 (AA)Artificial Analysis–38.6%
FrontierCode 2.0 (AA)Artificial Analysis–20.8%
LiveCodeBench (AA)Artificial Analysis85.3%–
智能体与工具
Terminal-BenchTerminal-Bench35.7%–
Arena AgentArena (LMArena)–-2.7
LiveBench Long AgenticLiveBench–25.7%†
LiveBench BrowserLiveBench–80.6%†
Terminal-Bench HardArtificial Analysis31.1%–
τ²-Bench Telecom (AA)Artificial Analysis93.0%–
HiL-BenchScale AI SEAL–65.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis–47.9%
GDPval-AA v2.1Artificial Analysis–1465
Finance Agent v2.1Vals AI–58.8%†
Harvey's Legal Agent Benchmark v1.1Vals AI–7.5%†
Legal Research BenchVals AI–34.1%†
Poker AgentVals AI1011.6%–
Tax Agent BenchVals AI–32.1%†
Terminal-Bench 2.0 (Vals)Vals AI37.1%–
Terminal-Bench 4.0 (Vals)Vals AI–25.3%†
Arena Agent Task CompletionArena (LMArena)–-0.7
METR Time HorizonsMETR59.2%–
AutomationBenchArtificial Analysis–72.5%
GDP.pdf (AA)Artificial Analysis–20.8%
AA-Briefcase v1.1Artificial Analysis–1474
GDPxGDPx by SemiAnalysis–4.0%†
Design Arena AgenticDesign Arena–1252
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–3.3%
MKA (AA)Artificial Analysis–33.5%
数学
AIME (Vals)Vals AI85.4%–
MGSMVals AI90.2%–
MathArena ApexMathArena0.0%–
AIME 2025 (AA)Artificial Analysis94.7%–
知识
LiveBench 2.0 Data AnalysisLiveBench–71.4%†
LiveBench ResearchLiveBench–76.7%†
AA-Omniscience v1.1Artificial Analysis–-6.4
MMLU-ProVals AI81.1%–
LegalBenchVals AI80.2%–
CorpFinVals AI60.6%–
TaxEvalVals AI71.7%–
MedQAVals AI92.6%–
PRBench FinanceScale AI SEAL43.4%45.6%
PRBench LegalScale AI SEAL40.9%45.1%
CaseLaw v2Vals AI65.7%–
Excel Modeling Benchmark v1.1Vals AI–67.8%†
Access to Justice BenchmarkVals AI–73.3%†
AA-Omniscience v1.1: accuracyArtificial Analysis–45.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–6.3%
Global-MMLU-Lite (AA)Artificial Analysis73.5%–
指令遵循
IFBenchArtificial Analysis68.1%–
MultiChallengeScale AI SEAL55.4%–
人类偏好
EQ-Bench Creative Writing v3EQ-Bench1631–
多模态
LiveBench DesignLiveBench–71.2%†
MMMU-ProArtificial Analysis–79.1%
SAGEVals AI–85.3%†
VIALS-AAHandshake AI–29.8%
长上下文
AA-LCR v1.1Artificial Analysis72.0%79.7%
MLCRArtificial Analysis–16.7%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub145.4–
LiveBench 2.0LiveBench–63.7%†
AA Intelligence Index v5.0.1Artificial Analysis–29.1
AA Intelligence Index v4.3.2Artificial Analysis22.042.7
AA Progress Index v1Artificial Analysis264.7317.6
Vals IndexVals AI–53.8†
Vals Finance IndexVals AI–55.9%†
Vals Router IndexVals AI–53.8%
Vals Legal IndexVals AI–67.1%†
安全与诚实
FORTRESSScale AI SEAL–52.1%
元数据
AA Openness IndexArtificial Analysis27.827.8

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

  • Kimi K2 Thinking (thinking):BenchLeader Index 51.8 → 52.3。
  • MiniMax M3.1 Flash:BenchLeader Index 53.7 → 54.3。
  • Kimi K2 Thinking (thinking):2 项新结果(Global-MMLU-Lite (AA), AIME 2025 (AA))。
  • Kimi K2 Thinking (thinking):BenchLeader Index 53.1 → 51.8。
  • MiniMax M3.1 Flash:BenchLeader Index 54.3 → 53.7。
  • Kimi K2 Thinking (thinking):1 项新结果(SimpleBench)。
  • 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)。

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 Thinking vs MiniMax M3.1 Flash:常见问题

Kimi K2 Thinking 比 MiniMax M3.1 Flash 更好吗?
Kimi K2 Thinking (thinking) 与 MiniMax M3.1 Flash 的质量不相上下(52.3 比 54.3,在 ±5.6 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 Thinking 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 $1.07(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 Thinking 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 49,50 为平均水平)。
Kimi K2 Thinking 和 MiniMax M3.1 Flash 哪个更快?
MiniMax M3.1 Flash 输出更快(输出 151 比 130 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Kimi K2 Thinking 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 51,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
MiniMax M3.1 Flash 在长上下文基准测试上得分更高(65 比 61)。MiniMax M3.1 Flash 支持更长的上下文:1,000,000 token,Kimi K2 Thinking 为 262,144 token。
哪个延迟更低?
Kimi K2 Thinking 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 25.1 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 Thinking 和 MiniMax M3.1 Flash 的看法一致吗?
在两者都有结果的 8 项基准测试中,Kimi K2 Thinking 领先 0 项,MiniMax M3.1 Flash 领先 7 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。