内容更新: 2026-10-11
Kimi vs DeepSeek：公开评测分数对照
公开证据对照
先看共有测试，再自己验证
本页汇总双方共同出现在同一公开第三方评测中的结果，并标明精确模型版本与原始来源。条形图只比较同一测试内的分数，不能替代你用真实任务亲自试用。
先给结论
这是八对里公开证据最丰富的一组：Arena 口碑与推理、语言项 Kimi 略优，Agentic Coding 与数学 DeepSeek 明显领先，SWE-bench 真实代码修复几乎持平——按任务选，而不是按品牌选。
Kimi vs DeepSeek：差异集中在哪
公开评测快照里的差异
- 人类偏好口吻（LMArena，2026-09-25 榜单）：代码类：Kimi kimi-k3-max 1660 Elo（列第 9），DeepSeek deepseek-v4.1-flash-max 1621（列第 16）；文本类：Kimi 1488（第 16）也略高于 DeepSeek 1477（第 29）。Arena 反映的是盲测偏好口吻，两边的差距都在几个百分点内。
- 能力分项（LiveBench）：Agentic Coding：DeepSeek deepseek-v4.1-flash-max 77.3 排全榜第 1，Kimi kimi-k3 为 62.2（第 11）；数学：DeepSeek 95.1（第 14）明显高于 Kimi 84.4（第 51）。反过来，推理 Kimi 90.7（第 7）高于 DeepSeek 86.7（第 29），语言 Kimi 85.5 也高于 DeepSeek 82.1。两家的强项几乎错开。
- 真实代码修复（SWE-bench Verified）：Kimi 侧提交（Lingxi v1.5 x Kimi K2）修好 71.2% 的真实 GitHub 问题，DeepSeek V3.2 (high) 为 70%——在这一项上几乎持平。
产品与使用条件的差异
- 访问与登录：Kimi 官网 kimi.com（月之暗面）与 DeepSeek 官网 chat.deepseek.com 都面向中国大陆用户可直接访问、手机号即可登录，同题实测成本很低。
- 产品定位：Kimi 以长上下文阅读和中文社区口碑见长，适合整本文档、长报告场景；DeepSeek 开放权重、推理与数学口碑扎实，API 生态也更偏技术用户。按你最常见的输入长度和任务类型选。
- 价格与套餐：两边定价结构不同且经常调整，本页不引用具体数字。请在 Kimi 官网与 DeepSeek 官网（见下方官方来源）核对当前套餐、免费额度与 API 价格。
建议的同题实测任务
- 超长文档阅读：把一本 PDF 报告或 10 万字资料分别投给两边，问同一组细节问题，核对谁记得住前后文
- 数学多步推理：同一道多步题要求展示中间步骤，核对哪边的步骤经得起复算
- 真实代码修复：同一个未修复的报错分别交给两边，限定「先给最可能原因，再给最小修复」，跑测试验证
怎么选：按你的任务落位
- 选 Kimi，如果：你要处理超长材料（整本报告、长网页），并且看重中文语感和界面顺手程度；公开快照里它在推理与语言项上略优。
- 选 DeepSeek，如果：你的任务是数学推理、智能体编程，或有自部署与 API 集成的需求；公开快照里它在这两项领先明显。
- 不要只看这一个指标：这是本站公开证据最丰富的一对，但两类任务各有胜负。先把你的高频任务对应到上表，再决定要不要接受「统一用一个模型」。
快照证据的抓取时间与原始来源见下方评测表。实测任务请在你自己的账号上运行；本页提供证据与任务设计，不代你下结论。
公开评测怎么说
下面只展示这些模型共同出现在同一公开评测类别里的结果。不同来源的分数不能相加，也不能据此宣布谁全面更好。
DeepSeek
3
在共有测试中分数更高的项目
Kimi
5
在共有测试中分数更高的项目
共有测试
8
不同来源的分数不能相加
LiveBench · 智能体编程
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| DeepSeek | deepseek-v4.1-flash-max | 1 | 77.27 points | Category score (points) |
| Kimi | kimi-k3 | 11 | 62.17 points | Category score (points) |
LiveBench · 编程任务
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Kimi | kimi-k3 | 15 | 81.45 points | Category score (points) |
| DeepSeek | deepseek-v4.1-flash-max | 22 | 80.04 points | Category score (points) |
LiveBench · 数据分析
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| DeepSeek | deepseek-v4-flash-vision-exp | 13 | 79.48 points | Category score (points) |
| Kimi | kimi-k3 | 21 | 78.73 points | Category score (points) |
LiveBench · 指令遵循
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Kimi | kimi-k3 | 23 | 71.36 points | Category score (points) |
| DeepSeek | deepseek-v4-flash-vision-exp | 26 | 70.96 points | Category score (points) |
LiveBench · 语言任务
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Kimi | kimi-k3 | 11 | 85.53 points | Category score (points) |
| DeepSeek | deepseek-v4-pro-0813 | 26 | 82.07 points | Category score (points) |
LiveBench · 数学
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| DeepSeek | deepseek-v4-pro-0813 | 16 | 95.09 points | Category score (points) |
| Kimi | kimi-k3 | 56 | 84.44 points | Category score (points) |
LiveBench · 推理
LiveBench 用定期更新的客观题目给模型打分。类别分数越高，说明该类任务上的测量表现更好——并不构成通用总排名。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Kimi | kimi-k3 | 9 | 90.67 points | Category score (points) |
| DeepSeek | deepseek-v4.1-flash-max | 31 | 86.69 points | Category score (points) |
SWE-bench Verified · 真实软件问题修复
SWE-bench Verified 衡量 AI 编程系统修好真实 GitHub 问题的比例。解决率越高，说明在该次测试设置中修好的问题越多。
| 产品 | 精确模型版本 | 排名 | 成绩 | 指标 |
|---|---|---|---|---|
| Kimi | Lingxi v1.5 x Kimi K2 | 35 | 71.2% | Resolved (%) |
| DeepSeek | DeepSeek V3.2 (high) | 46 | 70% | Resolved (%) |
产品入口
亲自试用时可核对的事项
- 对你的真实任务，答案是否准确、完整，以及还需要多少人工修改。
- 当前套餐的配额、价格与地区可用性是否满足长期使用。
- 隐私条款、登录方式与团队协作是否符合你的工作要求。
更多有公开证据的模型对比
官方来源与核验时间
下列链接是本页产品身份与套餐信息的官方来源，最后核验于 2026-09-28。价格、可用模型、配额与地区限制可能变化，请在购买或部署前以官网为准。
- Kimi official site - 2026-09-28
- DeepSeek API models and pricing - 2026-09-28
常见问题
本页是否给出绝对排名？
不会。本站只在公开测试条件、原始来源与审校方法可核验时，才呈现限定条件下的结论；不会发布脱离场景的“全面最优”名单。
价格和套餐信息是否最终有效？
页面会链接官方来源并标注核验日期。购买或部署前，请以提供方官网及你所在地区显示的价格与条款为准。
ModelAny 会保存提示词吗？
ModelAny 采用本地优先设计：草稿、设置与历史保留在浏览器本地；提示词仅发送到你选择的 AI 服务，不会上传到 ModelAny 自有服务器。
用同一提示词比较多个模型
ModelAny 是免费的浏览器扩展，源码公开可审阅，已在 Chrome 网上应用店 与 Microsoft Edge 加载项 上架。草稿、设置与历史保留在浏览器本地。
安装扩展