DeepSeek-V4.1-FlashvsKimi K3
在 19 个共同 benchmark 中，DeepSeek-V4.1-Flash 整体领先：DeepSeek-V4.1-Flash 领先 13 项，Kimi K3 领先 5 项，持平 1 项，平均分差 -25.42。
DeepSeek-V4.1-Flash
DeepSeek-AI · 2026-09-10 · 多模态大模型
Kimi K3
Moonshot AI · 2026-07-16 · 推理大模型
DeepSeek-V4.1-Flash13 项(68%)持平1(26%)5 项Kimi K3
评测分数
按能力类目分组，每组内按分差大小排列；共 19 项。
仓库修复与多文件工程
DeepSeek-V4.1-Flash 领先 2/2| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| NL2Repo-Bench | 65.402 / 16Max (With Tools) | 586 / 16Max (With Tools) | +7.40 |
| DeepSWE | 74.203 / 92Max (With Tools) | 68.5128 / 92Max (With Tools) | +5.69 |
图像感知与视觉推理
DeepSeek-V4.1-Flash 领先 2/2| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| ZeroBench Main | 493 / 6Max (With Tools) | 414 / 6Max (With Tools) | +8 |
| BabyVision | 89.603 / 9Max (With Tools) | 85.705 / 9Max (With Tools) | +3.90 |
文档与图表理解
胶着 2/2| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| Chartography | 78.905 / 11Max (With Tools) | 68.108 / 11Max (With Tools) | +10.80 |
| GDP.pdf | 12.8070 / 122Max (No Tools) | 2230 / 122Max (No Tools) | -9.20 |
科学计算与科研编程
胶着 2/2| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| Terminal-Bench-Science 0.1 | 15.708 / 18Max (With Tools) | 7.1014 / 18Max (With Tools) | +8.60 |
| SciCode | 51.9061 / 134Max (No Tools) | 59.508 / 134Max (No Tools) | -7.60 |
写作与创意表达
Kimi K3 领先 1/1| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| Creative Writing | 1,54051 / 110Normal (No Tools) | 2,0825 / 110Normal (No Tools) | -542.20 |
办公与文档流程
DeepSeek-V4.1-Flash 领先 1/1| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| AutomationBench | 54.801 / 25Max (With Tools) | 46.7010 / 25Max (With Tools) | +8.10 |
数学
胶着 1/1| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| MathArena Apex | 65.604 / 17Max (No Tools) | 65.604 / 17Max (No Tools) | 持平 |
机器学习工程
Kimi K3 领先 1/1| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| WeirdML v3 | 0.0612 / 13Thinking High (With Tools) | 0.0710 / 13Thinking High (With Tools) | -0.01 |
漏洞发现与分析
DeepSeek-V4.1-Flash 领先 1/1| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| CyberGym | 88.103 / 11Max (With Tools) | 808 / 11Max (With Tools) | +8.10 |
科学知识与推理
Kimi K3 领先 1/1| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| CritPt | 14.3061 / 204Max (No Tools) | 23.4030 / 204Max (No Tools) | -9.10 |
程序生成与编辑
DeepSeek-V4.1-Flash 领先 1/1| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| Program Bench | 20.309 / 15Max (With Tools) | 17.5012 / 15Max (With Tools) | +2.80 |
综合知识考试
DeepSeek-V4.1-Flash 领先 1/1| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| HLE | 63.905 / 235Max (With Tools) | 59.8010 / 235Max (With Tools) | +4.10 |
自主开发与终端任务
DeepSeek-V4.1-Flash 领先 1/1| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| Terminal-Bench 3.0 | 304 / 11Max (With Tools) | 17.708 / 11Max (With Tools) | +12.30 |
跨应用与工具编排
DeepSeek-V4.1-Flash 领先 1/1| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| Agents' Last Exam | 31.808 / 24Max (With Tools) | 27.6013 / 24Max (With Tools) | +4.20 |
跨能力综合测试
DeepSeek-V4.1-Flash 领先 1/1| 评测项 | DeepSeek-V4.1-Flash | Kimi K3 | 分差 |
|---|---|---|---|
| SuperCLUE | 71.812 / 13Reported best (effort unspecified) | 70.685 / 13Reported best (effort unspecified) | +1.13 |
规格对比
| 字段 | DeepSeek-V4.1-Flash | Kimi K3 |
|---|---|---|
| 发布机构 | DeepSeek-AI | Moonshot AI |
| 发布时间 | 2026-09-10 | 2026-07-16 |
| 模型类型 | 多模态大模型 | 推理大模型 |
| 架构 | MoE 架构 | MoE 架构 |
| 参数规模 | 5520亿 | 2.8万亿 |
| 上下文长度 | 1M | 1M |
| 最大输出 | 384K | 1M |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | DeepSeek-V4.1-Flash | Kimi K3 |
|---|---|---|
| 文本输入 | ¥1 / 1M tokens | ¥20 / 1M tokens |
| 文本输出 | ¥4 / 1M tokens | ¥100 / 1M tokens |
| 缓存读取 | ¥0.02 / 1M tokens | ¥2 / 1M tokens |
小结
- DeepSeek-V4.1-Flash在以下类目领先:仓库修复与多文件工程 (2/2)、图像感知与视觉推理 (2/2)、办公与文档流程 (1/1)、漏洞发现与分析 (1/1)、程序生成与编辑 (1/1)、综合知识考试 (1/1)、自主开发与终端任务 (1/1)、跨应用与工具编排 (1/1)、跨能力综合测试 (1/1)
- Kimi K3在以下类目领先:写作与创意表达 (1/1)、机器学习工程 (1/1)、科学知识与推理 (1/1)
- 胶着类目:文档与图表理解、科学计算与科研编程、数学
19 个共同 benchmark 上，Kimi K3 平均高出 25.42 分。
单项差距最大的 benchmark：Creative Writing — DeepSeek-V4.1-Flash 1,540，Kimi K3 2,082（分差 -542.20）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。