Terminal-Bench 4.0 图：Kimi K3.1 Pro 以约 $4 单任务成本拿下 65% 最高分
zainhas · x · 2026-10-24
博主 zainhas 分享了一张 Terminal-Bench 4.0 的「得分 vs 单任务平均成本」散点图,并感叹希望所有模型的 reasoningeffort 设置都像 Kimi K3.1 一样好用。
图中要点:
- Kimi K3.1 Pro (max):约 $5 单任务成本取得 65% 的最高 TB4 分数;切到 high 档约 $4、52%,性价比曲线明显领先。
- Claude Sonnet 5.5:约 $22 成本,63% 分数。
- Claude Opus 5.5:high 档约 $15-18、57-58%。
- GLM-5.3:不同 effort 档位从 $8/42% 到 $10/57%。
- DeepSeek-V4.1-Flash-1017:约 $4 成本但仅 41%。
结论:在终端编码任务上,Kimi K3.1 Pro 的推理档位设计让其在低成本区间拿到了最高分,成本效率远超 Claude 系列与 GLM-5.3。
所属事件:Kimi K3.1 终端基准夺最高分 单任务成本约为 DeepSeek 三倍(2 条相关)→
「编程与Agent」频道最新
- Workato 用单个 MCP 工具统一 7 个 Google 应用，AI 自审自测新能力 — adamse · 2026-10-24
- Infinity 运行时让 7.5 万个智能体塞进树莓派内存 — ShadajL · 2026-10-24
- Danny Aziz 加盟 Basis Labs：美国前 25 会计所半数已在用 Basis — round · 2026-10-24
- AI 代理写 Rust 内核提速 10 倍:WASM SIMD 达原生 1.4 倍内且免维护 — tristanbob · 2026-10-24
- Pierre 创始人访谈:为 agent 打造虚拟计算机,品牌比 MVP 更重要 — round · 2026-10-24
- 每个好 benchmark 都正在沦为 auto-research agent 的靶子 — maksym_andr · 2026-10-24