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 Thinking | MiniMax M3.1 Flash |
|---|---|---|
| 提供商 | Moonshot AI | MiniMax |
| 发布日期 | 2025年11月6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 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 | 46.9 | 50.1 | MiniMax M3.1 Flash |
| 编程 | 49.2 | 55.4 | MiniMax M3.1 Flash |
| 智能体与工具 | 51.4 | 55.2 | MiniMax M3.1 Flash |
| 数学 | 50.5 | – | 无法比较 |
| 知识 | 51.0 | 45.9 | Kimi 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 | 60.5 | 64.5 | MiniMax 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。
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 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 Index | Kimi K2 Thinking (thinking) | MiniMax M3.1 Flash | 领先者 |
|---|---|---|---|
| BenchLeader Index | 52.3 | 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 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/s | 151 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 Index | BenchLeader | 52.3 | 54.3 |
| 智能体与工具得分 | BenchLeader | 51.4 | 55.2 |
| 编程得分 | BenchLeader | 49.2 | 55.4 |
| 指令遵循得分 | BenchLeader | 59.3 | – |
| 知识得分 | BenchLeader | 51.0 | 45.9 |
| 长上下文得分 | BenchLeader | 60.5 | 64.5 |
| 数学得分 | BenchLeader | 50.5 | – |
| 推理得分 | BenchLeader | 46.9 | 50.1 |
| 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 | BenchLeader | 130 tok/s | 151 tok/s |
| 首次回答时间 | BenchLeader | 25.1 秒 | 43.3 秒 |
| 上下文窗口 | BenchLeader | 262,144 token | 1,000,000 token |
| 推理 | |||
| SimpleBench | SimpleBench | 39.6% | – |
| LiveBench 2.0 Reasoning | LiveBench | – | 82.9%† |
| GPQA Diamond (AA) | Artificial Analysis | 83.8% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 23.8% | 48.0% |
| HLE-Diamond (AA) | Artificial Analysis | – | 28.1% |
| GPQA Diamond (Vals) | Vals AI | 78.5% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 64.4% | – |
| CritPt | Artificial Analysis | 2.6% | 22.3% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 32.5% |
| CL-bench | Epoch AI Benchmarking Hub | 17.6% | – |
| 编程 | |||
| WeirdML | WeirdML | 42.8% | – |
| Arena WebDev | Arena (LMArena) | – | 1584 |
| LiveBench 2.0 Coding | LiveBench | – | 68.8%† |
| SciCode (AA) | Artificial Analysis | – | 53.4% |
| LiveCodeBench | Vals AI | 63.1% | – |
| SWE-bench (Vals) | Vals AI | 60.2% | – |
| SWE-bench Verified (bash only) | SWE-bench | 63.4% | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 63.4% | – |
| Vibe Code Bench v1.1 | Vals AI | – | 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%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 597.5 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 25.8% |
| GameBench 2 by reasoning setting | DuelLab 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 Website | Design Arena | 1105 | 1277 |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 38.6% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 20.8% |
| LiveCodeBench (AA) | Artificial Analysis | 85.3% | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 35.7% | – |
| Arena Agent | Arena (LMArena) | – | -2.7 |
| LiveBench Long Agentic | LiveBench | – | 25.7%† |
| LiveBench Browser | LiveBench | – | 80.6%† |
| Terminal-Bench Hard | Artificial Analysis | 31.1% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 93.0% | – |
| HiL-Bench | Scale AI SEAL | – | 65.7% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 47.9% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1465 |
| 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%† |
| Poker Agent | Vals AI | 1011.6% | – |
| Tax Agent Bench | Vals AI | – | 32.1%† |
| Terminal-Bench 2.0 (Vals) | Vals AI | 37.1% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 25.3%† |
| Arena Agent Task Completion | Arena (LMArena) | – | -0.7 |
| METR Time Horizons | METR | 59.2% | – |
| AutomationBench | Artificial Analysis | – | 72.5% |
| GDP.pdf (AA) | Artificial Analysis | – | 20.8% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1474 |
| GDPx | GDPx by SemiAnalysis | – | 4.0%† |
| Design Arena Agentic | Design Arena | – | 1252 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 3.3% |
| MKA (AA) | Artificial Analysis | – | 33.5% |
| 数学 | |||
| AIME (Vals) | Vals AI | 85.4% | – |
| MGSM | Vals AI | 90.2% | – |
| MathArena Apex | MathArena | 0.0% | – |
| AIME 2025 (AA) | Artificial Analysis | 94.7% | – |
| 知识 | |||
| LiveBench 2.0 Data Analysis | LiveBench | – | 71.4%† |
| LiveBench Research | LiveBench | – | 76.7%† |
| AA-Omniscience v1.1 | Artificial Analysis | – | -6.4 |
| MMLU-Pro | Vals AI | 81.1% | – |
| LegalBench | Vals AI | 80.2% | – |
| CorpFin | Vals AI | 60.6% | – |
| TaxEval | Vals AI | 71.7% | – |
| MedQA | Vals AI | 92.6% | – |
| PRBench Finance | Scale AI SEAL | 43.4% | 45.6% |
| PRBench Legal | Scale AI SEAL | 40.9% | 45.1% |
| CaseLaw v2 | Vals AI | 65.7% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 67.8%† |
| Access to Justice Benchmark | Vals AI | – | 73.3%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 45.1% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 6.3% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 73.5% | – |
| 指令遵循 | |||
| IFBench | Artificial Analysis | 68.1% | – |
| MultiChallenge | Scale AI SEAL | 55.4% | – |
| 人类偏好 | |||
| EQ-Bench Creative Writing v3 | EQ-Bench | 1631 | – |
| 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 | 72.0% | 79.7% |
| MLCR | Artificial Analysis | – | 16.7% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 145.4 | – |
| LiveBench 2.0 | LiveBench | – | 63.7%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 29.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 22.0 | 42.7 |
| AA Progress Index v1 | Artificial Analysis | 264.7 | 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
- 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)。
相关对比
- 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
- MiniMax M3.1 Flash vs Gemini 4 Argon
- MiniMax M3.1 Flash vs GPT-5.6 Sol
- MiniMax M3.1 Flash vs Claude Sonnet 5.5
- MiniMax M3.1 Flash vs Muse Wonder Full
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。