Kimi K3.1 Pro 被 DeepSeek Flash 反超：分数更低，每个任务贵 4.6 倍

结论：在 LiveBench 上，Kimi K3.1 Pro 总分 76.7，比 DeepSeek V4.1 Flash 1017 的 79.2 低。每个成功任务要 0.935 美元，DeepSeek 只要 0.202 美元，贵了约 4.6 倍。

差距最大的是写代码：Kimi 81.8，DeepSeek 96.0，差了 14 分多。

这张榜是 Bindu Reddy 今天早上在 X 上发的。她是 Abacus.AI 的 CEO，LiveBench 就是 Abacus.AI 牵头做的。

LiveBench 榜单：

https://livebench.ai

Bindu Reddy 原帖：

https://x.com/bindureddy/status/2113776861222420564

Kimi K3.1 Pro 被 DeepSeek Flash 反超：分数更低，每个任务贵 4.6 倍图1

Bindu Reddy 原帖（X，2026-10-24 07:37，北京时间）

她怎么说

帖子标题就一句：Kimi K3.1 分数低于 DeepSeek Flash。

她还写了几点看法。一是 Kimi 「看起来在公开榜单上刷过分」（bench-maxxed）。二是按每个任务算价格，还算有竞争力。三是它够不上 Claude Fable、GPT-6 Astra 那一档。四是开源模型里，DeepSeek 还是老大。

注意，「刷分」这条是她个人的判断，帖子里没给证据，我们也没法核实。

我们打开 LiveBench 官网对了一遍，她截图里六个模型的分数和价格，跟官网现在的数字完全一致。

Kimi K3.1 Pro 被 DeepSeek Flash 反超：分数更低，每个任务贵 4.6 倍图2

LiveBench 官网：DeepSeek V4.1 Flash 1017 与 Kimi K3.1 Pro 两行，节选总分、代码、浏览器、推理和单任务成本列（截图于 2026-10-24）

她的截图只挑了六个模型。官网完整榜单上，Kimi K3.1 Pro 排第 14，前面还有 GPT-6.1 Sol、Claude Sonnet 5.5、GPT-6 Sol 等。

Kimi K3.1 Pro 被 DeepSeek Flash 反超：分数更低，每个任务贵 4.6 倍图3

LiveBench 官网前 14 名，节选部分列（截图于 2026-10-24）

• 推理：Kimi 91.1，DeepSeek 89.1

• 浏览器操作：Kimi 80，DeepSeek 76

• 智能体任务：Kimi 49.5，DeepSeek 50.9，基本打平

• 数据分析：Kimi 79.1，DeepSeek 79.5，也差不多

所以 Kimi 不是全面落后。输就输在代码这一项，再加上价格贵。

Kimi 发 K3.1 Pro 的时候，官方博客里专门拿 DeepSeek V4.1 Flash 1017 做对比，在 Terminal-Bench 等几项上写的是自己更强。

到了第三方的 LiveBench 上，结果反过来了。两边测的题不一样，跑法也不一样，分数对不上不奇怪。但这也是 Reddy 说它「刷公开榜」的由头。

Kimi 官方博客：

https://www.kimi.ai/blog/kimi-k3-1-pro

LiveBench 是一个大模型评测榜，由 Abacus.AI 联合几所高校的研究者做的。它最大的特点是防「背题」：题目定期换新，很多来自最近的新数据，模型很难在训练时提前见过。

所以它常被拿来检验一个模型在公开榜上的高分，是不是真本事。

我们之前那篇文章算过 K3.1 Pro 的定价：缓存命中价是每百万 token 1.3 元人民币，DeepSeek Flash 闲时只要 0.02 元人民币，差了大约 65 倍。

这次 LiveBench 按「每个成功任务」算，差距缩到 4.6 倍左右。Reddy 说它价格「有竞争力」，指的是跟 Claude、GPT 这些闭源模型比。跟 DeepSeek 比，还是贵。