Kimi K3.1 Pro Together vs Qwen3.6 Max
完整资料:Kimi K3.1 Pro Together(Moonshot AI)和 Qwen3.6 Max(Alibaba),包括全部基准测试、价格和排名。
更新于 · 数据来自 5 个来源
截至 2026年11月16日,Kimi K3.1 Pro Together 与 Qwen3.6 Max 的质量不相上下(BenchLeader Index 60.0 比 62.1,在 ±3.8 的误差范围内)。在两者都有成绩的所有类别中,Kimi K3.1 Pro Together 均领先。
要点(截至 2026年11月16日)
- Kimi K3.1 Pro Together 的 BenchLeader Index 为 60.0,Qwen3.6 Max 为 62.1(BenchLeader,2026年11月16日)。
- Qwen3.6 Max 每百万 token 混合价格为 $2.92(标价,2026年11月16日)。
- 在两者都有结果的 3 项基准测试中,Kimi K3.1 Pro Together 领先 3 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”。
主要差异
- Kimi K3.1 Pro Together (max) 与 Qwen3.6 Max (max) 的质量不相上下(60.0 比 62.1,在 ±3.8 的误差范围内)。
- Kimi K3.1 Pro Together (max) 在知识、数学、推理方面更强。
概览
| 规格 | Kimi K3.1 Pro Together | Qwen3.6 Max |
|---|---|---|
| 提供商 | Moonshot AI | Alibaba |
| 发布日期 | 2026年10月23日 | 2026年4月20日 |
| 上下文窗口(token) | – | 262,144 |
| 对比时的配置 | Kimi K3.1 Pro Together (max) | Qwen3.6 Max (max) |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | – | $1.30 / $7.80 / $0.130 |
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 K3.1 Pro Together (max) | Qwen3.6 Max (max) | 领先者 |
|---|---|---|---|
| 推理 | 66.9 | 60.8 | Kimi K3.1 Pro Together |
| 编程 | – | 55.9 | 无法比较 |
| 智能体与工具 | – | 72.1 | 无法比较 |
| 数学 | 65.2 | 64.4 | 持平 |
| 知识 | 66.0 | 59.7 | Kimi K3.1 Pro Together |
| 指令遵循 | – | 74.7 | 无法比较 |
| 人类偏好 | – | 64.5 | 无法比较 |
| 长上下文 | – | 65.0 | 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。
未绘制(测得的模型少于两个):编程, 智能体与工具, 指令遵循, 长上下文, 多模态, 人类偏好。
各来源的分歧
在两者都有结果的 3 项基准测试中,Kimi K3.1 Pro Together 领先 3 项,Qwen3.6 Max 领先 0 项。
| 综合 Index | Kimi K3.1 Pro Together (max) | Qwen3.6 Max (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 60.0 | 62.1 | 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 K3.1 Pro Together (max) | Qwen3.6 Max (max) |
|---|---|---|
| 每百万 token 混合价格 | – | $2.92 |
| 每百万 token 输入 / 输出 | – / – | $1.30 / $7.80 |
| 每百万 token 缓存输入 | – | $0.130 |
| 每项任务价格:聊天回复 | – | $0.0029 |
| 每项任务价格:总结一份 30 页的报告 | – | $0.020 |
| 每项任务价格:代码编辑 | – | $0.019 |
| 每项任务价格:智能体编程会话 | – | $0.109 |
| 每项任务价格:结构化信息提取 | – | $0.0042 |
| 智能体编程会话(输入大多命中缓存) | – | $0.057 |
每个模型都按其排名最高的推理强度设置进行对比。Kimi K3.1 Pro Together (max) 得分 60.0。Qwen3.6 Max (max) 得分 62.1。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 37 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 K3.1 Pro Together (max) | Qwen3.6 Max (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.0 | 62.1 |
| 知识得分 | BenchLeader | 66.0 | 59.7 |
| 数学得分 | BenchLeader | 65.2 | 64.4 |
| 推理得分 | BenchLeader | 66.9 | 60.8 |
| 智能体与工具得分 | BenchLeader | – | 72.1 |
| 编程得分 | BenchLeader | – | 55.9 |
| 人类偏好得分 | BenchLeader | – | 64.5 |
| 指令遵循得分 | BenchLeader | – | 74.7 |
| 长上下文得分 | BenchLeader | – | 65.0 |
| 混合价格(美元/百万 token) | BenchLeader | – | $2.92 |
| 上下文窗口 | BenchLeader | – | 262,144 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.2% | 87.4% |
| SimpleBench | SimpleBench | – | 63.0% |
| Arena Hard Prompts | Arena (LMArena) | – | 1481 |
| GPQA Diamond (AA) | Artificial Analysis | – | 88.8% |
| Humanity's Last Exam (AA) | Artificial Analysis | – | 30.8% |
| CritPt | Artificial Analysis | – | 3.7% |
| Arena Expert | Arena (LMArena) | – | 1497 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 45.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 42.0% | 19.0%† |
| LMCA | Epoch AI Benchmarking Hub | – | 42.5% |
| DTBench | Epoch AI Benchmarking Hub | – | 87.2% |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 76.7% |
| Arena Coding | Arena (LMArena) | – | 1510 |
| Arena WebDev | Arena (LMArena) | – | 1482 |
| SWE-bench (Vals) | Vals AI | – | 72.8% |
| 智能体与工具 | |||
| Terminal-Bench Hard | Artificial Analysis | – | 43.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 95.9% |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 51.7% |
| Vending-Bench 2 | Andon Labs | – | 4254.2 |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 78.3% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 65.8% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 91.1% |
| Arena Maths | Arena (LMArena) | – | 1471 |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 62.2% | 52.0% |
| CorpFin | Vals AI | – | 66.5% |
显示全部 37 项基准测试
| 指标 | 发布方 | Kimi K3.1 Pro Together (max) | Qwen3.6 Max (max) |
|---|---|---|---|
| 知识 | |||
| CaseLaw v2 | Vals AI | – | 47.9% |
| 指令遵循 | |||
| IFBench | Artificial Analysis | – | 76.6% |
| Arena Instruction Following | Arena (LMArena) | – | 1451 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | – | 1460 |
| Arena Creative Writing | Arena (LMArena) | – | 1438 |
| Arena Multi-turn | Arena (LMArena) | – | 1466 |
| Arena Longer Queries | Arena (LMArena) | – | 1473 |
| 多模态 | |||
| Furniture Assembly | Epoch AI Benchmarking Hub | 55.8% | – |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | – | 80.7% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 149.8 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | – | 28.4 |
| AA Progress Index v1 | Artificial Analysis | – | 297.1 |
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。
变化
- Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
- Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
- Kimi K3.1 Pro Together (max):首批结果。
- Qwen3.6 Max (max):1 项新结果(AA Progress Index v1)。
- Qwen3.6 Max (max):BenchLeader Index 63.3 → 62.8。
相关对比
- Kimi K3.1 Pro Together vs Claude Fable 5.2
- Kimi K3.1 Pro Together vs Gemini 4 Carbon
- Kimi K3.1 Pro Together vs Claude Opus 5.5
- Qwen3.6 Max vs Claude Fable 5.2
- Qwen3.6 Max vs Gemini 4 Carbon
- Qwen3.6 Max vs Claude Opus 5.5
- Qwen3.6 Max vs GPT-6 Astra
- Kimi K3.1 Pro Together vs Claude Fable 5.1
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 K3.1 Pro Together vs Qwen3.6 Max:常见问题
- Kimi K3.1 Pro Together 比 Qwen3.6 Max 更好吗?
- Kimi K3.1 Pro Together (max) 与 Qwen3.6 Max (max) 的质量不相上下(60.0 比 62.1,在 ±3.8 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。
- 第三方基准测试对 Kimi K3.1 Pro Together 和 Qwen3.6 Max 的看法一致吗?
- 在两者都有结果的 3 项基准测试中,Kimi K3.1 Pro Together 领先 3 项,Qwen3.6 Max 领先 0 项。
- Kimi K3.1 Pro Together 是什么时候发布的?
- Kimi K3.1 Pro Together 于 2026年10月23日 发布。