3Xray Compare
kimi-k3 与 muse-spark-1-1 模型对比
横向比较 kimi-k3 与 muse-spark-1-1 的能力表现、运行成本与执行效率；各项仅按客观数值展示。
kimi-k3
muse-spark-1-1
能力表现更高 / 排名更前
资源投入更省
仅按单项数值标记，不生成综合总分。
左右滑动表格可查看其余已选模型
| 指标 |
kimi-k3
max
|
muse-spark-1-1
xhigh
|
|---|---|---|
| 能力表现 | ||
| 当前排名越低越靠前 | 第 6 名排名更前 | 第 18 名 |
| 任务通过率（Pass@1）越高越好 | 68.5%表现更高 | 53.3% |
| 95% 置信区间重复运行波动范围 | 64.0% – 73.1% | 50.3% – 56.4% |
| Pass@4四次内至少一次通过 | 89.4%通过更高 | 79.6% |
| 资源与效率 | ||
| 单次平均运行成本越低资源投入越少 | $4.65 | $2.36资源更省 |
| 平均输出量越低资源投入越少 | 暂无数据 | 暂无数据 |
| 平均代理步数越低资源投入越少 | 98 | 96资源更省 |
| 平均运行时长越低资源投入越少 | 76 分钟 | 15 分钟资源更省 |
| 测试信息 | ||
| 参与任务数 | 113 | 113 |
| 计分尝试次数 | 451 | 452 |
| 推理档位 | max | xhigh |