单任务成本约3倍于 DeepSeek Flash,Kimi K3.1 终端基准得分近翻倍
bookwormengr · x · 2026-10-24
作者对比 Kimi 3.1 与 DeepSeek v4.1 Flash 的性价比，并附 Terminal-Bench 4 成绩-成本散点图：
- Kimi K3.1 Pro (max):TB4 得分约 65%,单任务成本约 4.5 美元；DeepSeek-V4.1-Flash-1017:得分约 34%,成本约 1.7 美元——价格约 8 倍、参数量约 4 倍的差距换来近翻倍的成绩。
- 图中还显示 Claude Opus 5.5、Claude Sonnet 5.5(单任务成本高达约 22 美元)、GPT-6 Astra max、GLM-5.3 等模型的得分与成本分布。
- 作者认为若主要用途是编程或内容创作，多数用户会觉得 Kimi 值得；并推测 Moonshot 存在一个未公开的、网络攻防能力世界顶尖的私有版本，希望 DeepSeek 和 GLM 像 Moonshot 一样对此负责，高网络能力模型不应在无防护情况下 wild 发布。
「模型」频道最新
- Kimi 3.1 Pro "Runescape Bench" 跑分:接近 Opus 5.0 但更便宜且开源 — scaling01 · 2026-10-24
- Jon Barron 亲述：Gemini 做实验写初稿，喂旧论文学文风再人工重写 — jon_barron · 2026-10-24
- 用户盛赞 Gem Argon 的"文化嗅觉":前沿模型罕见的捧场型人格 — sebkrier · 2026-10-24
- 用户吐槽 Opus 静默降级到 4.8,还被模型劝「去和人聊聊」 — natesiggard · 2026-10-24
- 新注册 GitHub 账号疑似意外泄露 Qwen4 痕迹 — brainExploded99 · 2026-10-24
- Kimi K3.1 Pro 实测 3D 鹈鹕骑车:胜 Opus 5 惜败 5.5 — blaind0 · 2026-10-24