COMPARE / 2–4 MODELS

模型对比

MODEL SELECTOR

选择对比模型

4 / 4

模型厂商查找模型

Kimi K3 (max)×Command A+×North Mini Code×Gemma 4 E4B (Reasoning)×

Kimi K3 (max) / Command A+ / North Mini Code / Gemma 4 E4B (Reasoning)

PRICE / CAPABILITY FRONTIER

模型斩杀线坐标

4 个所选模型

左上区域代表更低价格和更高能力。红色前沿线由当前主流模型计算；对比状态只显示所选模型点，隐藏其他背景点。价格采用标准输入档位，横轴为对数刻度。

020406080100

AA 智能指数越高越好

Kimi K3 (max)Kimi

43.784最优

Command A+Cohere

13.924差 68.2%

North Mini CodeCohere

9.915差 77.4%

Gemma 4 E4B (Reasoning)Google

8.915差 79.6%

GPQA 科学推理越高越好

Kimi K3 (max)Kimi

0.935最优

Command A+Cohere

0.761差 18.7%

North Mini CodeCohere

0.757差 19.1%

Gemma 4 E4B (Reasoning)Google

0.576差 38.4%

τ² 智能体工具任务越高越好

Kimi K3 (max)Kimi

—

Command A+Cohere

0.807最优

North Mini CodeCohere

0.374差 53.6%

Gemma 4 E4B (Reasoning)Google

0.208差 74.3%

SciCode 科研编程越高越好

Kimi K3 (max)Kimi

0.595最优

Command A+Cohere

0.385差 35.2%

North Mini CodeCohere

0.388差 34.8%

Gemma 4 E4B (Reasoning)Google

—

输出速度中位数越高越好

Kimi K3 (max)Kimi

35.991差 85.2%

Command A+Cohere

243.443最优

North Mini CodeCohere

77.278差 68.3%

Gemma 4 E4B (Reasoning)Google

44.41差 81.8%

条长为同一维度内的 0至100 归一化分数；右侧数字为来源原始值。指数使用原始百分制，速度和延迟按本次所选模型相对归一化。

评测数据来自 Artificial Analysis，本站仅作非官方中文呈现；归一化仅用于当前所选模型的视觉比较，不改变原始值。查看指标口径。

FULL SPECIFICATION

完整指标对照

38 项

指标	Kimi K3 (max)	Command A+	North Mini Code	Gemma 4 E4B (Reasoning)
AA 智能指数 · 越高越好	43.784最优	13.924距最优 68.2%	9.915距最优 77.4%	8.915距最优 79.6%
智能指数评测成本USD · 越低越好	2不可计算	0最优	0最优	—无数据
Analyst Agent 分析代理 · 越高越好	0.388最优	—无数据	—无数据	—无数据
APEX Agents 智能体任务 · 越高越好	0.413最优	—无数据	—无数据	—无数据
CritPT 批判性推理 · 越高越好	0.234最优	0.003距最优 98.8%	0.003距最优 98.8%	0.006距最优 97.6%
GDPval 专业任务 · 越高越好	0.524最优	0.079距最优 84.9%	0距最优 100.0%	0距最优 100.0%
GPQA 科学推理 · 越高越好	0.935最优	0.761距最优 18.7%	0.757距最优 19.1%	0.576距最优 38.4%
Humanity’s Last Exam · 越高越好	0.469最优	0.12距最优 74.5%	0.111距最优 76.4%	0.038距最优 92.0%
IFBench 指令遵循 · 越高越好	—无数据	0.74最优	0.576距最优 22.2%	0.442距最优 40.2%
ITBench SRE 运维任务 · 越高越好	0.477最优	—无数据	—无数据	—无数据
LCR 长上下文推理 · 越高越好	0.887最优	0.527距最优 40.6%	0.373距最优 57.9%	0.32距最优 63.9%
MMMU-Pro 多模态理解 · 越高越好	0.805最优	0.632距最优 21.5%	—无数据	0.514距最优 36.2%
Omniscience 综合知识 · 越高越好	19.7最优	-4.017距最优 120.4%	-48.583距最优 346.6%	-19.7距最优 200.0%
Omniscience 准确率 · 越高越好	0.476最优	0.089距最优 81.3%	0.189距最优 60.3%	0.086距最优 82.0%
Omniscience 非幻觉率 · 越高越好	0.468距最优 45.5%	0.858最优	0.168距最优 80.4%	0.691距最优 19.5%
SciCode 科研编程 · 越高越好	0.595最优	0.385距最优 35.2%	0.388距最优 34.8%	—无数据
τ² 智能体工具任务 · 越高越好	—无数据	0.807最优	0.374距最优 53.6%	0.208距最优 74.3%
τ-Bench 银行业任务 · 越高越好	0.46最优	0.06距最优 87.0%	0.064距最优 86.1%	—无数据
Terminal-Bench Hard · 越高越好	—无数据	0.25距最优 19.5%	0.311最优	0.083距最优 73.2%
输出速度中位数tokens/s · 越高越好	35.991距最优 85.2%	243.443最优	77.278距最优 68.3%	44.41距最优 81.8%
输出速度 P05tokens/s · 越高越好	28.664距最优 84.7%	187.513最优	37.472距最优 80.0%	21.396距最优 88.6%
输出速度 P25tokens/s · 越高越好	32.039距最优 85.6%	222.771最优	59.187距最优 73.4%	36.763距最优 83.5%
输出速度 P75tokens/s · 越高越好	40.201距最优 84.8%	264.053最优	91.638距最优 65.3%	50.246距最优 81.0%
输出速度 P95tokens/s · 越高越好	45.576距最优 84.7%	297.813最优	133.927距最优 55.0%	57.009距最优 80.9%
推理耗时中位数秒 · 越低越好	55.569距最优 576.4%	8.216最优	25.881距最优 215.0%	45.035距最优 448.2%
首 token 延迟中位数秒 · 越低越好	4.228距最优 1006.2%	0.418距最优 9.5%	0.382最优	0.865距最优 126.4%
首 token 延迟 P05秒 · 越低越好	2.568距最优 883.4%	0.355距最优 35.8%	0.261最优	0.727距最优 178.3%
首 token 延迟 P25秒 · 越低越好	3.605距最优 1054.9%	0.381距最优 22.1%	0.312最优	0.789距最优 152.7%
首 token 延迟 P75秒 · 越低越好	5.426距最优 1140.3%	0.438最优	0.464距最优 6.0%	0.982距最优 124.4%
首 token 延迟 P95秒 · 越低越好	8.855距最优 1115.7%	0.817距最优 12.2%	0.728最优	1.205距最优 65.4%
首答案 token 延迟中位数秒 · 越低越好	59.797距最优 592.6%	8.634最优	26.263距最优 204.2%	45.9距最优 431.6%
端到端响应中位数秒 · 越低越好	73.689距最优 589.5%	10.688最优	32.733距最优 206.3%	57.159距最优 434.8%
上下文窗口tokens · 越高越好	1,048,576最优	192,000距最优 81.7%	256,000距最优 75.6%	128,000距最优 87.8%
Standard 输入价格百万 tokens · 越低越好	¥20.1213不可计算	¥0.0000最优	¥0.0000最优	¥0.1341不可计算
Standard 输出价格百万 tokens · 越低越好	¥100.6067不可计算	¥0.0000最优	¥0.0000最优	¥0.6707不可计算
Standard 缓存输入价格百万 tokens · 越低越好	¥2.0121最优	—无数据	—无数据	—无数据
terminal bench21 · 越高越好	0.85最优	0.229距最优 73.1%	0.356距最优 58.1%	0.019距最优 97.8%
terminal bench40 · 越高越好	0.126最优	0.005距最优 96.0%	0.005距最优 96.0%	—无数据

人民币价格按服务端汇率 1 USD = 6.7071 CNY 折算，参考日期 2026/9/16。