BenchLeader

Kimi K3 vs Kimi K3.1 Pro

完整资料:Kimi K3(Moonshot AI)和 Kimi K3.1 Pro(Moonshot AI),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 K3 与 Kimi K3.1 Pro 的质量不相上下(BenchLeader Index 60.7 比 61.8,在 ±6.7 的误差范围内)。Kimi K3.1 Pro 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。看重知识(66 比 58)和编程(62 比 60)选 K3;看重智能体与工具(65 比 54)和数学(73 比 72)选 K3.1 Pro。K3 的首次回答更快(0.8 秒 比 157.4 秒)。K3 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Kimi K3 的 BenchLeader Index 为 60.7,Kimi K3.1 Pro 为 61.8(BenchLeader,2026年11月16日)。
  • Kimi K3 每百万 token 混合价格为 $6.00(标价,2026年11月16日)。
  • Kimi K3.1 Pro 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Kimi K3 比 Kimi K3.1 Pro 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 14 项基准测试中,Kimi K3.1 Pro 领先 11 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Kimi K3类别得分 62 比 60;SciCode 58.7% 比 60.8%中
智能体与工具调用Kimi K3.1 Pro类别得分 65 比 54;APEX-Agents 65.5% 比 47.8%高
数学Kimi K3.1 Pro类别得分 73 比 72;ProofBench 91.0% 比 87.0%中
知识Kimi K3类别得分 66 比 58高
对话质量(人类偏好)–只有 Kimi K3 有 Arena 评分(类别得分 69)无法比较
成本最低Kimi K3.1 Pro每百万 token 混合价格 $4.00 比 $6.00;智能体编程会话 $0.160 比 $0.240–
首次回答最快Kimi K3首个回答 token 0.8 秒(Kimi K3)比 157.4 秒(Kimi K3.1 Pro)–
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 与 Kimi K3.1 Pro 的质量不相上下(60.7 比 61.8,在 ±6.7 的误差范围内)。
  • Kimi K3 在编程、知识方面更强。
  • Kimi K3.1 Pro 在智能体与工具、数学方面更强。
  • Kimi K3.1 Pro 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $4.00 比 $6.00)。
  • Kimi K3 的输出速度是对方的 2.5 倍(76 比 30 token/秒)。

概览

规格Kimi K3Kimi K3.1 Pro
提供商Moonshot AIMoonshot AI
发布日期2026年7月16日2026年10月23日
上下文窗口(token)1,048,5761,048,576
对比时的配置Kimi K3Kimi K3.1 Pro
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$3.00 / $15.00 / $0.300$2.00 / $10.00 / $0.200

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 K3Kimi K3.1 Pro领先者
推理–59.2无法比较
编程61.859.6Kimi K3
智能体与工具53.564.6Kimi K3.1 Pro
数学71.573.4Kimi K3.1 Pro
知识66.158.2Kimi K3
人类偏好68.6–无法比较
多模态–66.3无法比较
长上下文–67.9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编程智能体与工具数学知识Kimi K3, 编程: 61.8Kimi K3, 智能体与工具: 53.5Kimi K3, 数学: 71.5Kimi K3, 知识: 66.1Kimi K3.1 Pro, 编程: 59.6Kimi K3.1 Pro, 智能体与工具: 64.6Kimi K3.1 Pro, 数学: 73.4Kimi K3.1 Pro, 知识: 58.2

未绘制(测得的模型少于两个):推理, 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 14 项基准测试中,Kimi K3 领先 2 项,Kimi K3.1 Pro 领先 11 项,1 项持平。第三方来源看法不一:Kimi K3 在 Arena Text 上领先;Kimi K3.1 Pro 在 AA Intelligence Index v5.0.1和Vals Index 上领先。

综合 IndexKimi K3Kimi K3.1 Pro领先者
BenchLeader Index60.761.8不相上下
AA Intelligence Index v5.0.117.4†46.5Kimi K3.1 Pro
Vals Index53.0†62.5Kimi K3.1 Pro
Arena Text1487†1485Kimi K3

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 K3Kimi K3.1 Pro
每百万 token 混合价格$6.00$4.00
每百万 token 输入 / 输出$3.00 / $15.00$2.00 / $10.00
每百万 token 缓存输入$0.300$0.200
每项任务价格:聊天回复$0.0057$0.0038
每项任务价格:总结一份 30 页的报告$0.045$0.030
每项任务价格:代码编辑$0.041$0.027
每项任务价格:智能体编程会话$0.240$0.160
每项任务价格:结构化信息提取$0.0090$0.0060
智能体编程会话(输入大多命中缓存)$0.118$0.079
每项基准测试任务成本(AA Index)–$3.68
每项任务输出 token(AA Index)–72k
其中推理部分–44k
每项任务耗时(AA Index)–40 min
输出速度76 tok/s30 tok/s
首次回答时间0.8 秒157.4 秒
完整回答耗时(最近一次测量 2026年11月13日)–417.5 秒

每个模型都按其排名最高的推理强度设置进行对比。Kimi K3 得分 60.7,首个回答 token 需 1 秒;Kimi K3 (max) 为 60.2(55 秒),Kimi K3 (low) 为 53.6(8 秒)。Kimi K3.1 Pro 得分 61.8,首个回答 token 需 157 秒;Kimi K3.1 Pro (max) 为 59.9(157 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 178 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 K3Kimi K3.1 Pro
BenchLeader IndexBenchLeader60.761.8
智能体与工具得分BenchLeader53.564.6
编程得分BenchLeader61.859.6
人类偏好得分BenchLeader68.6–
知识得分BenchLeader66.158.2
数学得分BenchLeader71.573.4
长上下文得分BenchLeader–67.9
多模态得分BenchLeader–66.3
推理得分BenchLeader–59.2
混合价格(美元/百万 token)BenchLeader$6.00$4.00
输出速度BenchLeader76 tok/s30 tok/s
首次回答时间BenchLeader0.8 秒157.4 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.1%†–
SimpleBenchSimpleBench60.7%†–
Arena Hard PromptsArena (LMArena)1516†1504†
LiveBench 2.0 ReasoningLiveBench90.7%†91.1%†
LiveBench 1.0 ReasoningLiveBench90.7%–
GPQA Diamond (AA)Artificial Analysis93.5%†–
Humanity's Last Exam (AA)Artificial Analysis46.9%†52.5%
HLE-Diamond (AA)Artificial Analysis26.9%†37.3%
GPQA Diamond (Vals)Vals AI92.9%–
ARC-AGI-1ARC Prize94.5%†–
ARC-AGI-2ARC Prize60.4%†–
CritPtArtificial Analysis23.4%†24.6%
CritPt v2 hard subset (AA)Artificial Analysis40.5%†49.5%
MysteryMechanismVals AI–26.1%†
HLE-Diamond (Scale)Scale AI SEAL22.2%–
Arena ExpertArena (LMArena)1528†1515†
Chess PuzzlesEpoch AI Benchmarking Hub36.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub26.0%†–
LMCAEpoch AI Benchmarking Hub52.7%†57.6%†
DTBenchEpoch AI Benchmarking Hub91.2%†93.3%†
ForecastBenchForecastBench64.2%†–
编程
SciCodeSciCode58.7%60.8%
WeirdMLWeirdML82.6%†–
FrontierCodeCognition44.2%–
Arena CodingArena (LMArena)1538†1530†
显示全部 178 项基准测试
指标发布方Kimi K3Kimi K3.1 Pro
编程
Arena WebDevArena (LMArena)1658†1687†
LiveBench 2.0 CodingLiveBench53.1%†67.8%†
LiveBench 1.0 CodingLiveBench81.5%–
SciCode (AA)Artificial Analysis59.5%†60.8%
LiveCodeBenchVals AI87.2%†–
IOIVals AI48.9%†81.9%†
SWE-bench (Vals)Vals AI93.4%–
Code MigrationVals AI16.1%†–
Code Migration v1.1Vals AI28.6%†–
ProgramBenchVals AI2.0%–
SWE-bench MultimodalVals AI44.2%†–
Vibe Code Bench 1-100Vals AI18.2%†–
Vibe Code Bench v1.1Vals AI85.0%†84.9%†
SWE Atlas v1.1Scale AI SEAL61.0%61.1%
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%70.2%
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL54.3%54.3%
SWE-Bench Pro V2Scale AI SEAL97.7%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub54.4%†–
Surface Evolver BenchEpoch AI Benchmarking Hub95.0%–
DeepSWE v1.1Epoch AI Benchmarking Hub68.5%†–
ALE-BenchEpoch AI Benchmarking Hub1524.5†1932.8†
FrontierSWEEpoch AI Benchmarking Hub25.9%†–
WeirdML v3WeirdML7.5%†9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis12.6%†67.2%
Terminal-Bench 2.1 (AA)Artificial Analysis85.0%†–
Startrise FrontendStartrise79.8%–
GameBench 2 OverallDuelLab GameBench 248.078.3
GameBench 2 by reasoning settingDuelLab GameBench 245.7†84.0†
Design Arena WebsiteDesign Arena13361321
FrontierCode 1.1 (AA)Artificial Analysis43.6%†47.1%
FrontierCode 2.0 (AA)Artificial Analysis10.9%†25.4%
智能体与工具
Terminal-BenchTerminal-Bench23.0%†59.7%†
APEX-AgentsMercor47.8%65.5%
Arena AgentArena (LMArena)0.6†4.9†
LiveBench Long AgenticLiveBench36.0%†38.7%†
LiveBench BrowserLiveBench75.2%†75.9%†
LiveBench Agentic CodingLiveBench62.2%–
Terminal-Bench 2.1 (Vals)Vals AI80.9%–
MCP AtlasScale AI SEAL82.3%†–
HiL-BenchScale AI SEAL42.7%61.3%
τ³-bench Bankingτ²-bench37.1%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis1542†1861
τ³-Banking (AA)Artificial Analysis46.0%†–
ITBench SRE (AA)Artificial Analysis47.7%†–
Analyst Agent (AA)Artificial Analysis38.8%†38.8%
APEX-Agents (AA)Artificial Analysis41.3%†–
CyberBenchVals AI75.2%†–
Finance Agent v2Vals AI53.1%†–
Finance Agent v2.1Vals AI60.0%†61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI12.9%†11.7%†
Harvey's Legal Agent Benchmark v1Vals AI12.9%†–
Legal Research BenchVals AI46.1%†37.5%†
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI33.4%†24.9%†
Terminal-Bench 4.0 (Vals)Vals AI17.2%†63.6%†
Terminal-Bench ScienceVals AI1.4%†31.4%†
Time Horizon Index: KSPVals AI10.5%†–
Arena Agent Task CompletionArena (LMArena)3.4†2.7†
PostTrainBenchEpoch AI Benchmarking Hub31.5%–
GBAEvalEpoch AI Benchmarking Hub48.4%–
Vending-Bench 2Andon Labs5165.0–
AutomationBenchArtificial Analysis58.3%†73.3%
GDP.pdf (AA)Artificial Analysis22.0%†31.4%
Harvey LAB-AA v1.1Harvey5.3%†–
EnterpriseOps-GymArtificial Analysis45.3%†–
AA-Briefcase v1.1Artificial Analysis1497†1674
GDPxGDPx by SemiAnalysis3.7%†–
Design Arena AgenticDesign Arena12611301
Terminal-Bench-Science 0.1 (AA)Artificial Analysis8.1%†34.3%
CWE-Bench (AA)Artificial Analysis53.3%†60.8%
DeepSec-Bench (AA)Artificial Analysis12.4%†36.7%
CyberGym end-to-end (AA)Artificial Analysis58.0%†94.7%
MKA (AA)Artificial Analysis–43.9%
FACTS SearchGoogle90.3%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub72.2%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub39.0%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%†–
ProofBenchVals AI87.0%91.0%
LiveBench MathematicsLiveBench84.4%–
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena97.0%†–
MathArena ApexMathArena65.6%†–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1502†–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub50.6%†–
LiveBench 2.0 Data AnalysisLiveBench78.7%†79.1%†
LiveBench ResearchLiveBench79.8%†82.1%†
LiveBench 1.0 Data AnalysisLiveBench78.7%–
AA-Omniscience v1.1Artificial Analysis-1.7†29.9
MMLU-ProVals AI88.0%†–
LegalBenchVals AI86.2%†–
CorpFinVals AI71.6%–
TaxEvalVals AI75.7%–
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI72.6%†75.6%†
Excel Modeling BenchmarkVals AI66.7%†–
Excel Modeling Benchmark v1.1Vals AI71.3%†70.0%†
MedCodeVals AI49.4%†–
MedScribeVals AI88.0%†–
Public Benefits Bench v1.1Vals AI68.2%†–
Access to Justice BenchmarkVals AI68.2%†69.5%†
Financial Coaching BenchVals AI74.5%†–
Immigration BenchVals AI68.3%†–
DrugDiscoveryBenchScale AI SEAL–63.4%†
GDP.pdfEpoch AI Benchmarking Hub19.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis42.4%†48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis23.4%†62.7%
HealthBench Professional (AA)OpenAI53.2%†–
指令遵循
LiveBench LanguageLiveBench85.5%–
LiveBench Instruction FollowingLiveBench71.4%–
Arena Instruction FollowingArena (LMArena)1489†1487†
人类偏好
Arena TextArena (LMArena)1487†1485†
EQ-Bench 4EQ-Bench1319–
EQ-Bench Creative Writing v3EQ-Bench20832173
Arena Creative WritingArena (LMArena)1459†1453†
Arena Multi-turnArena (LMArena)1502†1475†
Arena Longer QueriesArena (LMArena)1500†1491†
多模态
LiveBench DesignLiveBench72.5%†73.7%†
MMMU-ProArtificial Analysis80.5%†83.9%
MMMU-Pro (Vals)Vals AI88.2%–
MortgageTaxVals AI66.3%–
SAGEVals AI86.8%†–
Humanity's Sixth SenseScale AI SEAL25.5%†33.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub29.5%–
Furniture AssemblyEpoch AI Benchmarking Hub34.2%†–
VIALS-AAHandshake AI–45.3%
Code2Video-AAArtificial Analysis1041†–
AA-3DArtificial Analysis984†1112
长上下文
AA-LCR v1.1Artificial Analysis88.7%†86.3%
MLCRArtificial Analysis21.7%†38.3%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.6161.4
LiveBench 2.0LiveBench65.0%†68.7%†
LiveBench 1.0LiveBench79.2%–
AA Intelligence Index v5.0.1Artificial Analysis17.4†46.5
AA Intelligence Index v4.3.2Artificial Analysis43.6†55.1
AA Progress Index v1Artificial Analysis319.9†340.7
Vals IndexVals AI53.0†62.5†
Vals Finance IndexVals AI58.0%†56.0%†
Vals RSI IndexVals AI20.9%†–
Vals Science IndexVals AI–44.4%†
Vals Multimodal IndexVals AI73.4%–
Vals Router IndexVals AI53.0%–
Vals Legal IndexVals AI71.7%†67.0%†
AA Cyber IndexArtificial Analysis41.3†64.1
安全与诚实
FORTRESSScale AI SEAL27.3%18.6%
DistressBenchScale AI SEAL73.5%–
元数据
AA Openness IndexArtificial Analysis38.9†33.3

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 K3:BenchLeader Index 59.1 → 60.7。
  • Kimi K3.1 Pro:BenchLeader Index 61.2 → 61.8。
  • Kimi K3.1 Pro:1 项分数修订。
  • Kimi K3.1 Pro:1 项分数修订。
  • Kimi K3.1 Pro:1 项新结果(HiL-Bench)。
  • Kimi K3:1 项分数修订。
  • Kimi K3.1 Pro:3 项新结果(PRBench Finance, PRBench Legal, FORTRESS);2 项分数修订。
  • Kimi K3.1 Pro:2 项新结果(APEX-Agents, Epoch Capabilities Index)。
  • Kimi K3.1 Pro:BenchLeader Index 61.8 → 61.2。
  • Kimi K3:4 项分数修订。

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 vs Kimi K3.1 Pro:常见问题

Kimi K3 比 Kimi K3.1 Pro 更好吗?
Kimi K3 与 Kimi K3.1 Pro 的质量不相上下(60.7 比 61.8,在 ±6.7 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 K3 和 Kimi K3.1 Pro 哪个更便宜?价格会变吗?
目前 Kimi K3.1 Pro 更便宜:每百万 token $4.00 比 $6.00(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 K3 还是 Kimi K3.1 Pro 更好?
Kimi K3 在编程方面得分更高(类别得分 62 比 60,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Kimi K3 为 58.7%,Kimi K3.1 Pro 为 60.8%。
Kimi K3 和 Kimi K3.1 Pro 哪个更快?
Kimi K3 输出更快(约 2 倍;输出 76 比 30 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Kimi K3 还是 Kimi K3.1 Pro 更好?
Kimi K3.1 Pro 在智能体任务方面得分更高(类别得分 65 比 54,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 APEX-Agents 上,Kimi K3 为 47.8%,Kimi K3.1 Pro 为 65.5%。
更多问题(4)
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
哪个延迟更低?
Kimi K3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 0.8 秒比 157.4 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 K3 和 Kimi K3.1 Pro 的看法一致吗?
在两者都有结果的 14 项基准测试中,Kimi K3 领先 2 项,Kimi K3.1 Pro 领先 11 项,1 项持平。第三方来源看法不一:Kimi K3 在 Arena Text 上领先;Kimi K3.1 Pro 在 AA Intelligence Index v5.0.1和Vals Index 上领先。
Kimi K3.1 Pro 是什么时候发布的?
Kimi K3.1 Pro 于 2026年10月23日 发布。