Kimi K3 评测详情
Kimi K3 当前已收录的代表性评测结果包括 BrowseComp（1 / 54，得分 91.20）、Creative Writing（2 / 99，得分 2070.80）、Terminal-Bench 2.1（2 / 47，得分 88.30）。本页还提供与 4 个竞品模型及 4 个前代或同系列模型的对比，在有数据时会展示性能和价格视图。
评测结果
Kimi K3
评测结果
科学与综合推理
共 3 项评测评测名称 / 模式
得分
排名/总数
文本向量检索
共 3 项评测评测名称 / 模式
得分
排名/总数
AI Agent - 工具使用
共 9 项评测评测名称 / 模式
得分
排名/总数
编程与软件工程
共 9 项评测评测名称 / 模式
得分
排名/总数
Agent能力评测
共 4 项评测评测名称 / 模式
得分
排名/总数
生产力知识
共 10 项评测评测名称 / 模式
得分
排名/总数
多模态理解
共 14 项评测评测名称 / 模式
得分
排名/总数
竞品对比
Kimi K3 与同类主流模型的评测得分对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
12 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | Kimi K3当前 | GLM-5.2 | MiniMax M3 | Claude Opus 4.8 | GPT-5.6 Sol |
|---|---|---|---|---|---|
HLE 综合评估 | 56.00思考水平·高 ｜ 工具 | 54.70开启思考 ｜ 工具 | -- | 57.90扩展思考 ｜ 工具 | -- |
GPQA Diamond 科学与综合推理 | 93.50思考水平·高 | 91.86思考水平·高 | 81.31常规模式 | 93.60思考水平·高 | 93.50思考水平·高 |
Creative Writing 写作和创作 | 2070.80常规模式 | 1750.90常规模式 | -- | 1835.30常规模式 | 1964.10常规模式 |
BrowseComp AI Agent - 信息收集 | 91.20思考水平·高 ｜ 工具 | -- | 83.50开启思考 ｜ 工具 | 84.30思考水平·高 ｜ 工具 | -- |
Context Arena 文本向量检索 | 71.75思考水平·高 | 72.34思考水平·高 | 51.15开启思考 | 90.04思考水平·高 | 97.63思考水平·高 |
AA-LCR 长上下文能力 | 74.70思考水平·高 | -- | 80.33开启思考 | -- | 77.67思考水平·高 |
MCP-Atlas AI Agent - 工具使用 | 84.20思考水平·高 ｜ 工具 | 76.80开启思考 ｜ 工具 | 74.20开启思考 ｜ 工具 | 82.20思考水平·高 ｜ 工具 | -- |
OSWorld 2.0 AI Agent - 工具使用 | 58.30思考水平·高 ｜ 工具 | -- | -- | -- | 62.60思考水平·极高 ｜ 工具 |
OSWorld-Verified AI Agent - 工具使用 | 84.80思考水平·高 ｜ 工具 | -- | 70.00开启思考 ｜ 工具 | 83.40扩展思考 ｜ 工具 | -- |
Terminal-Bench 2.1 AI Agent - 工具使用 | 88.30思考水平·高 ｜ 工具 | 81.00思考水平·高 ｜ 工具 | 66.00开启思考 ｜ 工具 | 78.90思考水平·高 ｜ 工具 | 88.80思考水平·高 |
Terminal-Bench-Science 0.1 AI Agent - 工具使用 | 7.10思考水平·高 ｜ 工具 | -- | -- | 10.50思考水平·高 ｜ 工具 | 22.40思考水平·高 ｜ 工具 |
DeepSWE 编程与软件工程 | 67.50思考水平·高 ｜ 工具 | 44.00深度思考模式 ｜ 工具 | -- | 59.00深度思考模式 ｜ 工具 | 72.70思考水平·极高 ｜ 工具 |
其余 15 个 benchmark 仍可在上方图表中查看。
Kimi K3 与同类模型的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。
这些模型的价格币种或计费单位不一致，暂不直接绘制统一柱状图，以下展示原始价格。
Kimi K3
供应商: Moonshot AI
标准输入: ¥20 / 1M tokens
标准输出: ¥100 / 1M tokens
GLM-5.2
供应商: 智谱AI
标准输入: $1.4 / 1M tokens
标准输出: $4.4 / 1M tokens
MiniMax M3
供应商: MiniMaxAI
标准输入: ¥2.1 / 1M tokens
标准输出: ¥8.4 / 1M tokens
Claude Opus 4.8
供应商: Anthropic
标准输入: $5 / 1M tokens
标准输出: $25 / 1M tokens
GPT-5.6 Sol
供应商: OpenAI
标准输入: $4 / 1M tokens
标准输出: $20 / 1M tokens
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
Kimi K3 | Moonshot AI | ¥20 / 1M tokens | ¥100 / 1M tokens | — |
GLM-5.2 | 智谱AI | $1.4 / 1M tokens | $4.4 / 1M tokens | — |
MiniMax M3 | MiniMaxAI | ¥2.1 / 1M tokens | ¥8.4 / 1M tokens | — |
Claude Opus 4.8 | Anthropic | $5 / 1M tokens | $25 / 1M tokens | — |
GPT-5.6 Sol | OpenAI | $4 / 1M tokens | $20 / 1M tokens | — |
历代版本对比
Kimi K3 系列各版本的评测成绩纵向对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
12 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。· 点击任意行可切换下方趋势图。
| 评测项 | Kimi K3当前 | Kimi K2.7 Code | Kimi K2.6 | Kimi K2.5 | Kimi K2 Thinking |
|---|---|---|---|---|---|
HLE 综合评估 | 56.00思考水平·高 ｜ 工具 | -- | 54.00开启思考 ｜ 工具 | 50.20开启思考 ｜ 工具 | 51.00开启思考 ｜ 工具 |
GPQA Diamond 科学与综合推理 | 93.50思考水平·高 | -- | 90.50开启思考 | 87.60开启思考 | 84.50开启思考 |
Creative Writing 写作和创作 | 2070.80常规模式 | -- | 1725.10常规模式 | 1575.70常规模式 | 1627.80常规模式 |
BrowseComp AI Agent - 信息收集 | 91.20思考水平·高 ｜ 工具 | -- | 83.20开启思考 ｜ 工具 | 60.60开启思考 ｜ 工具 | 60.20开启思考 ｜ 工具 |
Context Arena 文本向量检索 | 71.75思考水平·高 | -- | 64.63开启思考 | 59.22开启思考 | -- |
AA-LCR 长上下文能力 | 74.70思考水平·高 | -- | -- | 65.00开启思考 | -- |
MCP-Atlas AI Agent - 工具使用 | 84.20思考水平·高 ｜ 工具 | 76.00开启思考 ｜ 工具 | 69.40开启思考 ｜ 工具 | 64.40常规模式 ｜ 工具 | -- |
MCPMark-Verified AI Agent - 工具使用 | 94.50思考水平·高 ｜ 工具 | 81.10开启思考 ｜ 工具 | 72.80开启思考 ｜ 工具 | -- | -- |
OSWorld-Verified AI Agent - 工具使用 | 84.80思考水平·高 ｜ 工具 | -- | 73.10开启思考 ｜ 工具 | -- | -- |
Terminal-Bench 2.1 AI Agent - 工具使用 | 88.30思考水平·高 ｜ 工具 | 67.04开启思考 ｜ 工具 | 53.56开启思考 | -- | -- |
DeepSWE 编程与软件工程 | 67.50思考水平·高 ｜ 工具 | 31.00常规模式 ｜ 工具 | -- | -- | -- |
Kimi Code Bench 2.0 编程与软件工程 | 72.90思考水平·高 ｜ 工具 | 62.00开启思考 ｜ 工具 | 50.90开启思考 ｜ 工具 | -- | -- |
其余 3 个 benchmark 仍可在上方图表中查看。
单评测历史趋势图
当前查看：HLE · 综合评估
选择评测
Kimi K3 所在系列的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。
这些模型的价格币种或计费单位不一致，暂不直接绘制统一柱状图，以下展示原始价格。
Kimi K3
供应商: Moonshot AI
标准输入: ¥20 / 1M tokens
标准输出: ¥100 / 1M tokens
Kimi K2.7 Code
供应商: Moonshot AI
标准输入: $0.95 / 1M tokens
标准输出: $4 / 1M tokens
Kimi K2.6
供应商: Facebook AI研究实验室
标准输入: $0.95 / 1M tokens
标准输出: $4 / 1M tokens
Kimi K2.5
供应商: Moonshot AI
标准输入: $0.6 / 1M tokens
标准输出: $3 / 1M tokens
Kimi K2 Thinking
供应商: Fireworks AI
标准输入: $0.6 / 1M tokens
标准输出: $2.5 / 1M tokens
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
Kimi K3 | Moonshot AI | ¥20 / 1M tokens | ¥100 / 1M tokens | — |
Kimi K2.7 Code | Moonshot AI | $0.95 / 1M tokens | $4 / 1M tokens | — |
Kimi K2.6 | Facebook AI研究实验室 | $0.95 / 1M tokens | $4 / 1M tokens | — |
Kimi K2.5 | Moonshot AI | $0.6 / 1M tokens | $3 / 1M tokens | — |
Kimi K2 Thinking | Fireworks AI | $0.6 / 1M tokens | $2.5 / 1M tokens | — |