官方文档里 Terminal-Bench 那种 65.7% 对 30% 以上的碾压，到了真实用户场景里被狠狠稀释了。Agent Arena 的最新实测给出了另一组数字：Kimi K3.1 Pro 拿下开源第一，排第 11 位，提升 7.6%；DeepSeek V4.1 Flash-1017 紧随其后，排第 13 位，提升 4.4%。
差距并不悬殊。实际观感上，Kimi 略强一点，但贵 5 倍以上；DeepSeek 性价比依旧爆炸，速度也更快。
这组对比也解释了为什么 Kimi 最近的口碑有些分裂：关键 benchmark 上仅与 Flash 持平，成本却高出一个数量级，订阅限额越缩越小，没订阅基本用不上。
选模型别只盯着官方宣传的分数。真实场景的排名、价格和速度加在一起，才是每天写代码、跑任务时真正要付的账。
正文完