BenchLeader

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”。

用途推荐理由置信度
数学均可类别得分 65 比 64;OTIS Mock AIME 100.0% 比 91.1%均可
推理Kimi K3.1 Pro Together类别得分 67 比 61;GPQA Diamond 94.2% 比 87.4%中
知识Kimi K3.1 Pro Together类别得分 66 比 60;SimpleQA Verified 62.2% 比 52.0%中
对话质量(人类偏好)–只有 Qwen3.6 Max 有 Arena 评分(类别得分 65)无法比较
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 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 TogetherQwen3.6 Max
提供商Moonshot AIAlibaba
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66.960.8Kimi 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65.264.4持平
知识66.059.7Kimi 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。

2550 avg75推理数学知识Kimi K3.1 Pro Together, 推理: 66.9Kimi K3.1 Pro Together, 数学: 65.2Kimi K3.1 Pro Together, 知识: 66.0Qwen3.6 Max, 推理: 60.8Qwen3.6 Max, 数学: 64.4Qwen3.6 Max, 知识: 59.7

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。

模型(单击添加或移除)Index

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 IndexKimi K3.1 Pro Together (max)Qwen3.6 Max (max)领先者
BenchLeader Index60.062.1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 IndexBenchLeader60.062.1
知识得分BenchLeader66.059.7
数学得分BenchLeader65.264.4
推理得分BenchLeader66.960.8
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 DiamondEpoch AI Benchmarking Hub94.2%87.4%
SimpleBenchSimpleBench–63.0%
Arena Hard PromptsArena (LMArena)–1481
GPQA Diamond (AA)Artificial Analysis–88.8%
Humanity's Last Exam (AA)Artificial Analysis–30.8%
CritPtArtificial Analysis–3.7%
Arena ExpertArena (LMArena)–1497
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub42.0%19.0%†
LMCAEpoch AI Benchmarking Hub–42.5%
DTBenchEpoch AI Benchmarking Hub–87.2%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.7%
Arena CodingArena (LMArena)–1510
Arena WebDevArena (LMArena)–1482
SWE-bench (Vals)Vals AI–72.8%
智能体与工具
Terminal-Bench HardArtificial Analysis–43.9%
τ²-Bench Telecom (AA)Artificial Analysis–95.9%
Terminal-Bench 2.0 (Vals)Vals AI–51.7%
Vending-Bench 2Andon Labs–4254.2
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub78.3%–
FrontierMath Tier 4Epoch AI Benchmarking Hub65.8%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%91.1%
Arena MathsArena (LMArena)–1471
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub62.2%52.0%
CorpFinVals 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 v2Vals AI–47.9%
指令遵循
IFBenchArtificial Analysis–76.6%
Arena Instruction FollowingArena (LMArena)–1451
人类偏好
Arena TextArena (LMArena)–1460
Arena Creative WritingArena (LMArena)–1438
Arena Multi-turnArena (LMArena)–1466
Arena Longer QueriesArena (LMArena)–1473
多模态
Furniture AssemblyEpoch AI Benchmarking Hub55.8%–
长上下文
AA-LCR v1.1Artificial Analysis–80.7%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–149.8
AA Intelligence Index v4.3.2Artificial Analysis–28.4
AA Progress Index v1Artificial 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。

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。