Abbiamo confrontato Kimi K3.1 Pro e Kimi K3 su 66 attività nel browser

15 min di lettura
Illustrazione in stile ritaglio di carta: un palloncino arancione Kimi K3.1 Pro e uno giallo Kimi K3 fluttuano in un cielo azzurro

Nella nostra configurazione con pi e ZenMux, sceglieremmo Kimi K3.1 Pro al posto di Kimi K3 per completare più attività. Nelle 26 attività riuscite a entrambi, ha anche registrato tempo medio e costo medio stimato del modello inferiori. In questo test di Kimi K3.1 Pro e Kimi K3 contiamo 66 attività, eseguite una volta da ciascun modello con ego-browser: ogni modello ha quindi 66 tentativi. Kimi K3.1 Pro ha portato a buon fine 38 dei suoi 66 tentativi (57.6%), mentre per Kimi K3 ne sono riusciti 27 (40.9%). Nelle 26 attività riuscite a entrambi i modelli, Kimi K3.1 Pro ha impiegato 400.6 secondi ed è costato $0.374 per attività, mentre Kimi K3 ha impiegato 586.1 secondi ed è costato $0.578.

La differenza principale tra i due modelli è se arrivano in fondo al lavoro. Kimi K3 ha terminato 27 dei suoi 66 tentativi senza risposta prima del limite di passi; 26 si sono fermati su una nota di avanzamento come "SUSE done. Now Amazon Linux." Con Kimi K3.1 Pro è successo 0 volte. Nelle 35 attività in cui entrambi i modelli hanno fornito una risposta finale, Kimi K3.1 Pro ne ha superate 29 e Kimi K3 27.

Il punto debole di Kimi K3.1 Pro sono le lunghe tabelle che ora riesce a completare. Nelle attività che raccolgono gli stessi campi da 8 o più siti, ha portato a buon fine 7 tentativi su 26, contro 2 di Kimi K3. Diciassette delle 24 risposte errate di Kimi K3.1 Pro erano tabelle di queste attività: prima di usarle, quindi, le controlleremmo. Nella ricerca esplorativa, entrambi i modelli hanno superato 6 attività su 12; nelle cinque riuscite a entrambi, Kimi K3.1 Pro è stato più veloce e meno costoso.

Il costo stimato del modello più basso deriva dai prezzi di listino inferiori di Kimi K3.1 Pro. Moonshot lo prezza a due terzi del prezzo di Kimi K3 per ogni tipo di token. Sull'insieme delle 66 attività è costato $0.772 per attività contro $0.871, pur consumando più token nei tentativi proseguiti dopo la conclusione di quelli di Kimi K3.

Tasso di successo

Kimi K3.1 Pro supera più attività. Ha superato 12 attività in cui Kimi K3 ha fallito e ha fallito in 1 attività superata da Kimi K3. In 9 delle 12 attività guadagnate, Kimi K3 ha terminato senza risposta; nelle altre 3 ha dato una risposta errata. Cinque dei 12 successi aggiuntivi riguardavano attività che raccolgono gli stessi campi da 8 o più siti.

In ogni tipo di lavoro Kimi K3.1 Pro ha registrato almeno tanti tentativi riusciti quanti Kimi K3; la ricerca esplorativa è stata l'unico pareggio.

Tipo di lavoroAttivitàKimi K3.1 ProKimi K3
Stessi campi da 8 o più siti2626.9% (7 su 26)7.7% (2 su 26)
All'interno di un'app web15100% (15 su 15)86.7% (13 su 15)
Ricerca esplorativa1250.0% (6 su 12)50.0% (6 su 12)
Verifiche incrociate su uno–tre siti8100% (8 su 8)62.5% (5 su 8)
Post su X540.0% (2 su 5)20.0% (1 su 5)
Tutte le attività6657.6% (38 su 66)40.9% (27 su 66)

Il tasso di successo ha come numeratore il numero di tentativi riusciti; i dati provengono dalle esecuzioni del 3 novembre 2026. In nessuno di questi tipi di lavoro Kimi K3 ha registrato più tentativi riusciti di Kimi K3.1 Pro.

Le esecuzioni di Kimi K3 terminavano spesso a lavoro in corso. Nell'agente pi che abbiamo usato, il modello opera tramite chiamate agli strumenti, soprattutto script ego-browser, e una risposta senza chiamate agli strumenti conclude l'esecuzione. Kimi K3 inviava risposte che indicavano il passo successivo senza compierlo, come "Google done. Now Cloudflare Workers Free." È successo in 26 tentativi su 66, di cui 16 nelle 26 attività che raccolgono gli stessi campi da 8 o più siti. Tutte queste 26 risposte terminavano con il normale segnale di arresto del modello, senza troncamento per il limite di lunghezza. Kimi K3.1 Pro ha concluso in questo modo 0 tentativi.

La nostra attività sulle piattaforme serverless mostra la differenza. Richiede cinque limiti dei piani gratuiti di nove piattaforme, da AWS Lambda a Oracle OCI Functions. Kimi K3 ha letto le pagine di AWS, Azure e Google, poi si è fermato dopo 11 chiamate agli strumenti con "Google done. Now Cloudflare Workers Free." Kimi K3.1 Pro ha proseguito aprendo la pagina dei prezzi di Workers di Cloudflare, ha esaminato tutte e nove le piattaforme con 58 chiamate agli strumenti e ha superato l'attività.

Riproduzione dei comandi del browser registrati: Kimi K3.1 Pro usa ego-browser sulla pagina dei prezzi di Workers di Cloudflare durante l'attività serverless
Riproduzione dei comandi registrati. Kimi K3.1 Pro con ego-browser, attività sui piani gratuiti serverless: apre la pagina dei prezzi della piattaforma Workers di Cloudflare, la quarta delle nove e quella in cui Kimi K3 si era fermato. Comando del browser 10 di 55. Esecuzione originale: 3 novembre 2026. Riproduzione acquisita in ego(lite) il 10 novembre 2026. Visualizza l’immagine a grandezza originale

Gli altri 3 successi aggiuntivi riguardavano risposte finali errate di Kimi K3. L'attività sul PIL richiede, per nove agenzie statistiche, la crescita del secondo trimestre nella prima e nell'ultima stima, senza annualizzarla. Entrambi i modelli hanno aperto la stima preliminare del Bureau of Economic Analysis statunitense, cioè la prima stima. Kimi K3 ha scritto uno script che conservava solo i primi 2 500 caratteri del testo della pagina e ha indicato "not shown" per entrambi i dati statunitensi di crescita su base trimestrale. Kimi K3.1 Pro ha stampato l'intero comunicato e ha letto "0.4 percent at a quarterly rate" nelle Technical Notes. Nello stesso modo ha trovato 0.6 per cento nell'ultima stima del BEA, pubblicata il 30 settembre 2026, e ha compilato entrambe le celle degli Stati Uniti.

Riproduzione dei comandi del browser registrati: Kimi K3.1 Pro usa ego-browser sul comunicato della stima preliminare del BEA durante l'attività sul PIL
Riproduzione dei comandi registrati. Kimi K3.1 Pro con ego-browser, attività sul PIL del Q2 2026: carica la stima preliminare del BEA e stampa l'intero comunicato, comprese le Technical Notes con il tasso trimestrale di 0.4 per cento. Comando del browser 2 di 61. Esecuzione originale: 3 novembre 2026. Riproduzione acquisita in ego(lite) il 10 novembre 2026. Visualizza l’immagine a grandezza originale

I modelli falliscono anche in modi diversi. Ogni tentativo ha a disposizione fino a 100 passi; un passo è un turno del modello, cioè una richiesta e la relativa risposta. Dei 39 tentativi falliti di Kimi K3, 27 sono terminati senza risposta prima del limite di passi, 4 hanno raggiunto il limite e 8 hanno dato una risposta errata. Dei 28 tentativi falliti di Kimi K3.1 Pro, 24 hanno dato una risposta errata e 4 hanno raggiunto il limite di passi. Diciotto di quelle 24 risposte errate riguardavano attività in cui Kimi K3 non aveva dato alcuna risposta finale. Noi passeremmo al nuovo modello, continuando a controllare le risposte che Kimi K3.1 Pro ora fornisce dove Kimi K3 aveva terminato senza risposta finale.

Dove Kimi K3.1 Pro continua a sbagliare

Kimi K3.1 Pro completa le tabelle lunghe, ma non sempre compila correttamente ogni cella: le tratteremmo quindi come bozze da verificare. Ha portato a buon fine 7 tentativi su 26 nelle attività che raccolgono gli stessi campi da 8 o più siti. Diciassette delle sue 24 risposte errate provenivano da queste attività: tutte tabelle complete con almeno un valore o una riga di sintesi sbagliati.

Nell'attività sulle banche centrali, per esempio, l'errore è nella sintesi. Bisogna trovare la prima decisione sui tassi del 2026 di dodici banche centrali e stabilire quale l'abbia annunciata per ultima. Kimi K3.1 Pro ha aperto il comunicato della Banca nazionale svizzera del 19 marzo 2026 e ha riportato quella data nella propria tabella. Nella sintesi ha comunque indicato come ultima la Banca di riserva dell'India, con la data del 6 febbraio.

Cosa chiede l'attivitàRisposta correttaRisposta di Kimi K3.1 Pro
Ultima banca ad annunciare la propria prima decisione del 2026Banca nazionale svizzera, 2026-03-19Banca di riserva dell'India, 2026-02-06

Nella stessa attività Kimi K3 ha indicato correttamente la Banca nazionale svizzera, ma non ha fornito correttamente altri dati richiesti e ha fallito a sua volta.

Riproduzione dei comandi del browser registrati: Kimi K3.1 Pro usa ego-browser sul comunicato della Banca nazionale svizzera del 19 marzo 2026 durante l'attività sulle banche centrali
Riproduzione dei comandi registrati. Kimi K3.1 Pro con ego-browser, attività sulle banche centrali: apre la valutazione di politica monetaria della Banca nazionale svizzera del 19 marzo 2026, la data poi omessa nella sintesi. Comando del browser 18 di 52. Esecuzione originale: 3 novembre 2026. Riproduzione acquisita in ego(lite) il 10 novembre 2026. Visualizza l’immagine a grandezza originale

Prima di usare una tabella di Kimi K3.1 Pro, confronta le righe di sintesi con i dati della tabella stessa e verifica un campione di celle sulle fonti. Kimi K3 ha superato 2 di queste 26 attività.

Velocità

Kimi K3.1 Pro è più veloce sullo stesso lavoro e ci arriva scrivendo meno e facendo meno chiamate agli strumenti. Nelle 26 attività riuscite a entrambi i modelli ha impiegato in media 400.6 secondi per attività contro 586.1, ed è stato più veloce in 21 casi su 26. Negli altri 5 è stato più veloce Kimi K3.

Nelle 26 attività riuscite a entrambi i modelliKimi K3.1 ProKimi K3
Tempo per attività400.6 s586.1 s
Chiamate agli strumenti per attività25.833.5
Token di output per attività, ragionamento incluso6 99710 727

Medie per attività, dalle esecuzioni del 3 novembre 2026.

Quando una persona aspetta il risultato di un agente, considereremmo la minore attesa un vantaggio concreto.

Costo

Kimi K3.1 Pro costa meno per attività grazie ai prezzi di listino inferiori. Sull'insieme delle 66 attività è costato $0.772 per attività contro $0.871 di Kimi K3. Includendo anche i costi dei tentativi falliti, il costo per tentativo riuscito è stato di $1.340 contro $2.130. Nelle 26 attività riuscite a entrambi i modelli è costato $0.374 per attività contro $0.578 ed è risultato meno costoso in 24 casi.

Il listino prezzi di Moonshot indica per Kimi K3.1 Pro $2.00 per milione di token di input, $0.20 per l'input in cache, $2.00 per le scritture in cache e $10.00 per l'output. Per Kimi K3 indica $3.00, $0.30, $3.00 e $15.00. Il nuovo modello costa quindi due terzi del prezzo del precedente per ogni tipo di token.

Costo per attivitàKimi K3.1 ProKimi K3
Tutte le 66 attività$0.772$0.871
Tutte le 66 attività, token di Kimi K3.1 Pro ai prezzi di Kimi K3$1.158$0.871
26 attività riuscite a entrambi i modelli$0.374$0.578
26 attività riuscite a entrambi i modelli, token di Kimi K3.1 Pro ai prezzi di Kimi K3$0.561$0.578
Per tentativo riuscito, tutte le 66 attività$1.340$2.130

Costo ai prezzi di listino Moonshot, calcolato dal consumo di token di ogni tentativo nelle esecuzioni del 3 novembre 2026.

Sullo stesso lavoro, a parità di prezzi, i token dei due modelli costano circa lo stesso: applicando le tariffe di Kimi K3, i token di Kimi K3.1 Pro nelle 26 attività condivise costano $0.561 contro $0.578. Sull'insieme delle 66 attività arrivano invece a $1.158 contro $0.871, perché Kimi K3.1 Pro ha continuato a lavorare nelle esecuzioni in cui Kimi K3 si era fermato. Imposteremmo il budget sul costo per attività anziché sul prezzo dei token: un modello che completa più esecuzioni consuma token anche per portarle a termine.

Ricerca esplorativa

Nella ricerca esplorativa, passare a Kimi K3.1 Pro dà vantaggi di velocità e costo, ma non più successi. Queste 12 attività indicano un obiettivo e poche fonti iniziali, lasciando il percorso all'agente. Entrambi i modelli hanno superato 6 attività su 12, e Kimi K3.1 Pro ne ha guadagnata una e persa una. Nelle 5 riuscite a entrambi ha impiegato 354.9 secondi ed è costato $0.399 per attività, contro 795.0 secondi e $0.901, ed è stato più veloce in tutti e 5 i casi.

L'attività persa mostra a cosa fare attenzione. Il compito su Azure chiede quali dei sette modelli candidati possano funzionare nella regione Germany West Central rispettando sei requisiti, e perché ciascuno degli altri non sia idoneo. Entrambi i modelli hanno scelto GPT-6 Luna. Kimi K3 ha aperto anche la pagina di Azure sui modelli dei partner e ha citato il motivo per cui Claude Sonnet 5.5 non era idoneo: la distribuzione Data Zone Standard era disponibile solo negli Stati Uniti.

Riproduzione dei comandi del browser registrati su Microsoft Learn, con la tabella delle regioni statunitensi per Data Zone Standard espansa
Riproduzione del comando del browser 20 di 22 nell'attività di Kimi K3 sui modelli Azure, con l'attuale tabella delle regioni statunitensi per Data Zone Standard espansa per leggerla. La conclusione originaria sulla disponibilità deriva dalla registrazione dell'esecuzione del 3 novembre. Esecuzione originale: 3 novembre 2026. Riproduzione acquisita il 10 novembre 2026. Visualizza l’immagine a grandezza originale

Kimi K3.1 Pro ha escluso Claude dalla tabella dei modelli venduti direttamente da Azure e non ha mai aperto quella pagina. Come motivo ha scritto "not shown", dopo 15 comandi del browser contro i 22 di Kimi K3. Con l'uno o l'altro modello, controlleremmo il motivo fornito per ciascuna opzione esclusa dall'agente.

Quale modello scegliere

Per la configurazione testata con pi 1.5.0, ZenMux ed ego-browser, sceglieremmo Kimi K3.1 Pro. Ha portato a buon fine 38 tentativi su 66 contro i 27 di Kimi K3, ed è stato più veloce e meno costoso nelle 26 attività riuscite a entrambi. In nessun tipo di lavoro testato Kimi K3 ha registrato più tentativi riusciti.

Per le app web testate e le verifiche incrociate su uno–tre siti, sceglieremmo Kimi K3.1 Pro: Kimi K3.1 Pro ha superato tutte le 15 attività e tutte le 8 attività, rispettivamente. Quattro dei 5 insuccessi di Kimi K3 in queste categorie erano esecuzioni terminate senza risposta. Per attività simili su più siti in questa configurazione pi, sceglieremmo ancora Kimi K3.1 Pro, perché Kimi K3.1 Pro ne ha superate 7 su 26 e Kimi K3 2. Verifica quelle tabelle prima di usarle. Nelle cinque attività di ricerca esplorativa riuscite a entrambi i modelli, Kimi K3.1 Pro ha impiegato meno tempo e ha avuto un costo stimato inferiore; i successi complessivi erano pari.

La nostra configurazione usava Kimi K3.1 Pro come moonshotai/kimi-k3.1-pro tramite ZenMux, con un livello alto di sforzo di ragionamento, nell'agente pi con lo strumento bash e il file della skill ego-browser. ego-browser viene fornito insieme a ego(lite), che l'agente controlla come proprio browser.

Il ruolo di ego(lite) in questo confronto

ego(lite) forniva il browser controllato tramite ego-browser; pi forniva il ciclo dell'agente e ZenMux l'accesso ai due modelli. La guida all'integrazione di ego-browser descrive come il browser si collega a un agente.

La regola di arresto di pi fa parte di questa scelta del modello: una risposta senza chiamata agli strumenti conclude il tentativo. Tieni presente questa regola quando applichi il confronto sul completamento ad attività simili. Le medie di tempo e costo del modello riguardano le ventisei attività riuscite a entrambi, non tutte le attività o il comportamento di arresto di un agente diverso.

Domande frequenti

Kimi K3.1 Pro è migliore di Kimi K3 per gli agenti browser?

Sì, nel nostro test di 66 attività con ego-browser. Kimi K3.1 Pro ha portato a buon fine 38 dei suoi 66 tentativi (57.6%) e Kimi K3 27 (40.9%). Ha superato 12 attività in cui Kimi K3 ha fallito e ha fallito in 1 attività superata da Kimi K3.

Kimi K3.1 Pro costa meno di Kimi K3?

Sì, per attività. Nelle nostre 66 attività nel browser, Kimi K3.1 Pro è costato $0.772 per attività e Kimi K3 $0.871. Per tentativo riuscito la differenza è maggiore: $1.340 contro $2.130.

Kimi K3.1 Pro è più veloce di Kimi K3?

Sì, sul lavoro completato da entrambi i modelli. Nelle 26 attività nel browser riuscite a entrambi, Kimi K3.1 Pro ha impiegato 400.6 secondi per attività e Kimi K3 586.1. Il nuovo modello ha fatto 25.8 chiamate agli strumenti per attività contro 33.5 e ha generato 6 997 token di output contro 10 727.

Quanto costa Kimi K3.1 Pro per milione di token?

Moonshot indica per Kimi K3.1 Pro $2.00 per milione di token di input, $0.20 per l'input in cache, $2.00 per le scritture in cache e $10.00 per l'output. Kimi K3 è a listino a $3.00, $0.30, $3.00 e $15.00: il nuovo modello costa quindi due terzi del prezzo del precedente per ogni tipo di token.

Perché Kimi K3 si ferma a metà di un'attività nel browser?

Kimi K3 ha terminato 26 dei suoi 66 tentativi con una risposta che indicava il passo successivo ma non conteneva chiamate agli strumenti, cosa che nell'agente pi conclude l'esecuzione. Le ultime parole erano note come "SUSE done. Now Amazon Linux." Sedici di questi 26 casi riguardavano attività che raccolgono gli stessi campi da 8 o più siti; per Kimi K3.1 Pro è successo 0 volte.

Quali attività nel browser sono migliorate di più con Kimi K3.1 Pro?

Kimi K3.1 Pro ha guadagnato più attività, 5, tra quelle che raccolgono gli stessi campi da 8 o più siti, senza perderne nessuna in questa categoria. Ha anche guadagnato 3 verifiche incrociate su uno–tre siti, 2 attività all'interno di un'app web, 1 attività di ricerca esplorativa e 1 attività sui post di X.

Kimi K3.1 Pro è peggiorato in qualche attività nel browser?

In 1 attività su 66. Ha fallito un'attività di selezione del modello Azure riuscita a Kimi K3, perché ha escluso un candidato senza aprire la pagina che ne spiegava il motivo. Ha superato 12 attività in cui Kimi K3 ha fallito.

Dove sbaglia ancora Kimi K3.1 Pro nel browser?

Soprattutto nei valori delle tabelle lunghe: 17 delle sue 24 risposte errate riguardavano attività che raccolgono gli stessi campi da 8 o più siti. In un'attività la sintesi indicava la banca sbagliata anche se la sua tabella riportava la data corretta. Ha anche raggiunto il limite di 100 passi in 4 tentativi, come Kimi K3.

Come si comporta Kimi K3.1 Pro nell'automazione delle app web?

Kimi K3.1 Pro ha superato tutte le nostre 15 attività all'interno di un'app web e Kimi K3 13. Le attività si svolgono nelle nostre app di prova per operazioni, spese di viaggio e una console cloud, con dati nuovi per ogni tentativo. Nelle 13 riuscite a entrambi il nuovo modello ha impiegato 327.0 secondi ed è costato $0.240 per attività, contro 454.7 secondi e $0.383.

Dovrei passare da Kimi K3 a Kimi K3.1 Pro per il mio agente browser?

Nella configurazione testata con pi e ZenMux, sì. Kimi K3.1 Pro ha portato a buon fine 38 tentativi su 66 contro 27, con tempo medio e costo medio stimato inferiori nelle 26 attività riuscite a entrambi. Per le tabelle raccolte da 8 o più siti, mantieni un passaggio di verifica: 17 delle sue 24 risposte errate riguardavano queste attività.

Come abbiamo svolto i test

Abbiamo eseguito entrambi i modelli il 3 novembre 2026 su un solo Mac con Apple silicon e macOS 26.5. Entrambi usavano lo stesso agente, pi 1.5.0, con ego-browser come strumento per il browser, lo stesso file della skill ego-browser e le stesse versioni di ego(lite) ed ego-browser. I modelli erano Kimi K3.1 Pro (moonshotai/kimi-k3.1-pro) e Kimi K3 (moonshotai/kimi-k3), entrambi con un livello alto di sforzo di ragionamento e raggiunti tramite lo stesso provider API, ZenMux.

Il modello controlla ego-browser scrivendo brevi programmi JavaScript che caricano pagine, fanno clic, compilano moduli e stampano il testo della pagina o uno snapshot di accessibilità. Ogni tentativo poteva usare fino a 100 passi e durare al massimo 60 minuti. Un passo è un turno del modello: una richiesta al modello e la relativa risposta. L'attività chiede al modello di terminare con un messaggio che inizi con FINAL ANSWER.

Contiamo 66 attività, ciascuna assegnata a un solo tipo di lavoro. La categoria «Stessi campi da 8 o più siti» (26 attività) richiede di raccogliere un unico insieme di campi da 8 o più siti, per esempio i comunicati sul PIL di nove agenzie statistiche. Le attività «All'interno di un'app web» (15) si svolgono in app di prova per operazioni, spese di viaggio e una console cloud, per esempio correggendo le regole di avviso di un vettore. La «Ricerca esplorativa» (12) fornisce un obiettivo e poche fonti, per esempio scegliere un modello offerto in una regione Azure. Le «Verifiche incrociate su uno–tre siti» (8) confrontano dati tra pochi siti, come i registri degli studi clinici e le schede dei farmaci. Le attività «Post su X» (5) abbinano post su X ad altri dati, come i post sui lanci SpaceX e gli elenchi dei lanci di Wikipedia; queste attività contano solo come post su X.

Ogni attività ha un elenco di criteri di valutazione: 443 in totale nelle 66 attività. Un criterio per attività verifica che la risposta finale contenga tutti i valori richiesti. Gli altri 377 verificano ciascuno valori richiesti: 309 fissati in anticipo a partire dai siti ufficiali, 49 dai dati generati dalle app di prova per ogni tentativo e 19 verificati sulla pagina corrente. Un tentativo riesce solo se la risposta finale soddisfa tutti i criteri; entrambi i modelli sono stati valutati con gli stessi criteri.

Un'attività è una delle 66 attività conteggiate; un tentativo è l'esecuzione di un'attività una volta da parte di un modello, quindi ogni modello ha 66 tentativi. Il tasso di successo è il numero di tentativi riusciti su 66. I risultati completi elencano altre sei attività come «Non conteggiata». In ciascuna, il tentativo originale di un modello è stato sostituito da una ripetizione mirata oppure mancava un primo tentativo archiviato valido. Escludiamo le stesse sei attività per entrambi i modelli. Una chiamata a uno strumento è un comando eseguito dal modello: soprattutto script ego-browser e, negli altri casi, comandi di shell o sui file, come la ricerca nel testo salvato delle pagine. Un comando del browser è uno script ego-browser; nelle didascalie degli screenshot si contano i comandi del browser.

Il tempo per attività è il tempo effettivo dall'inizio alla fine di un tentativo, inclusi l'attesa dell'API del modello, ragionamento compreso, e l'esecuzione delle chiamate agli strumenti. La velocità si confronta sulle 26 attività riuscite a entrambi i modelli, perché il tempo speso su un'attività fallita non è confrontabile. Le stime di costo applicano le tariffe Moonshot indicate ai token registrati per ogni tentativo: input, input in cache, scritture in cache e output. Non sono i totali dell'abbonamento o delle fatture ZenMux. Il costo per tentativo riuscito è il costo di tutti i 66 tentativi diviso per il numero di tentativi riusciti.

Un tentativo ha raggiunto il limite di passi se ha usato tutti i 100 passi senza una risposta finale. Un tentativo si è fermato su una nota di avanzamento se l'ultima risposta del modello conteneva testo ma nessuna chiamata agli strumenti e nessun FINAL ANSWER, prima del limite di passi. Una risposta errata è una risposta finale che non ha superato la valutazione.

Risultati completi

Ogni cella riporta il risultato del modello nell'attività, il tempo del tentativo in secondi e il costo. Gli esiti sono «Superata», «Risposta errata», «Nessuna risposta» (l'esecuzione è terminata senza risposta finale prima del limite di passi) o «Limite di passi». Il tempo include l'attesa dell'API del modello. Per le sei attività «Non conteggiata» mancano primi tentativi comparabili dopo esecuzioni sostitutive mirate; tutte e sei sono escluse per entrambi i modelli.

AttivitàTipo di lavoroKimi K3.1 ProKimi K3
Quadro climatico del 2025 di undici servizi meteorologiciStessi campi da 8 o più sitiRisposta errata · 633.7 s · $1.235Limite di passi · 2010.1 s · $3.368
Traffico del 2025 in otto aeroporti hubStessi campi da 8 o più sitiNon conteggiataNon conteggiata
Dati della stagione 2025-26 di nove campionati di calcioStessi campi da 8 o più sitiNon conteggiataNon conteggiata
Premi principali del 2026 in nove festival cinematograficiStessi campi da 8 o più sitiRisposta errata · 1399.6 s · $2.591Nessuna risposta · 1306.1 s · $1.418
Scheda di approvazione per nove modelli a pesi aperti su Hugging FaceStessi campi da 8 o più sitiRisposta errata · 598.6 s · $0.716Nessuna risposta · 1217.4 s · $1.284
Matrice di conformità da nove trust center SaaSStessi campi da 8 o più sitiRisposta errata · 590.3 s · $0.637Nessuna risposta · 1138.5 s · $0.844
Valutazioni dei crash test di un SUV in nove programmiStessi campi da 8 o più sitiRisposta errata · 1242.3 s · $1.312Limite di passi · 1576.6 s · $1.765
Edizioni in vigore di nove norme tecnicheStessi campi da 8 o più sitiRisposta errata · 592.9 s · $0.658Nessuna risposta · 320.4 s · $0.250
Prima decisione sui tassi del 2026 di dodici banche centraliStessi campi da 8 o più sitiRisposta errata · 617.0 s · $1.023Risposta errata · 1256.3 s · $1.986
Prima e ultima stima del PIL del Q2 2026 di nove agenzieStessi campi da 8 o più sitiSuperata · 1001.2 s · $1.181Risposta errata · 1294.2 s · $1.363
Piani CI gratuiti per repository privati in nove serviziStessi campi da 8 o più sitiRisposta errata · 1033.5 s · $1.187Nessuna risposta · 963.4 s · $1.068
Piani gratuiti di nove piattaforme serverlessStessi campi da 8 o più sitiSuperata · 924.5 s · $1.283Nessuna risposta · 248.4 s · $0.173
Come nove servizi musicali presentano lo stesso albumStessi campi da 8 o più sitiNon conteggiataNon conteggiata
Ultimi risultati elettorali di nove autorità elettoraliStessi campi da 8 o più sitiLimite di passi · 1256.5 s · $2.222Limite di passi · 1789.7 s · $2.389
Ramo di rilascio più recente di nove runtime di linguaggiStessi campi da 8 o più sitiRisposta errata · 810.3 s · $1.106Risposta errata · 1024.2 s · $1.171
Ultima versione stabile di nove framework JavaScriptStessi campi da 8 o più sitiSuperata · 515.4 s · $0.523Superata · 957.6 s · $0.722
Ultima versione stabile di nove browser desktopStessi campi da 8 o più sitiSuperata · 471.8 s · $0.913Nessuna risposta · 903.0 s · $0.765
Rilevazioni di nove agenzie sul terremoto della Kamchatka del 2025Stessi campi da 8 o più sitiRisposta errata · 789.4 s · $1.128Nessuna risposta · 971.8 s · $1.335
Specifiche ufficiali per il Regno Unito di nove smartphone di puntaStessi campi da 8 o più sitiSuperata · 564.8 s · $0.865Nessuna risposta · 1331.7 s · $1.161
Specifiche ufficiali di otto fotocamereStessi campi da 8 o più sitiSuperata · 953.2 s · $1.521Superata · 1479.8 s · $1.730
Dettagli delle edizioni di un libro su dieci siti di editori e bibliotecheStessi campi da 8 o più sitiNon conteggiataNon conteggiata
Classificazioni per età di un gioco presso otto enti di classificazioneStessi campi da 8 o più sitiRisposta errata · 1385.2 s · $1.905Nessuna risposta · 1355.8 s · $1.592
Stato della correzione di una CVE di sudo in nove avvisi dei fornitoriStessi campi da 8 o più sitiRisposta errata · 539.4 s · $0.521Nessuna risposta · 158.9 s · $0.133
Singoli al primo posto nella stessa settimana in nove classifiche nazionaliStessi campi da 8 o più sitiNon conteggiataNon conteggiata
Keynote di apertura di nove conferenze per sviluppatoriStessi campi da 8 o più sitiRisposta errata · 1198.7 s · $1.457Nessuna risposta · 1450.3 s · $1.485
Versioni di Protocol Buffers su nove registri di pacchettiStessi campi da 8 o più sitiRisposta errata · 472.9 s · $0.732Nessuna risposta · 582.4 s · $0.296
Risultati di otto sondaggi per sviluppatori del 2025Stessi campi da 8 o più sitiRisposta errata · 599.1 s · $1.255Risposta errata · 1587.4 s · $1.785
Salario minimo legale in nove territoriStessi campi da 8 o più sitiNon conteggiataNon conteggiata
Date di fine supporto di nove prodotti serverStessi campi da 8 o più sitiSuperata · 690.2 s · $0.781Nessuna risposta · 370.0 s · $0.292
Schede di dieci musei sulla Grande onda di HokusaiStessi campi da 8 o più sitiRisposta errata · 824.7 s · $1.025Nessuna risposta · 1644.2 s · $1.124
Approvazioni di Tirzepatide per la gestione del peso presso otto autorità regolatorieStessi campi da 8 o più sitiLimite di passi · 1475.9 s · $2.742Nessuna risposta · 1171.2 s · $1.414
Dati statunitensi di autonomia e ricarica di nove SUV elettriciStessi campi da 8 o più sitiRisposta errata · 1027.4 s · $1.707Limite di passi · 1711.3 s · $1.685
Imputare un versamento lockbox alle fatture aperteAll'interno di un'app webSuperata · 286.4 s · $0.208Superata · 404.7 s · $0.402
Verificare e annullare le modifiche fatte durante un blocco delle modificheAll'interno di un'app webSuperata · 160.4 s · $0.140Superata · 545.1 s · $0.394
Prenotare il viaggio di un collega in un'app per i viaggiAll'interno di un'app webSuperata · 438.2 s · $0.409Superata · 433.4 s · $0.474
Adeguare i monitor di livello 1 a uno standard scrittoAll'interno di un'app webSuperata · 248.5 s · $0.253Nessuna risposta · 105.0 s · $0.094
Richiedere il rimborso chilometrico di una settimana di visite ai clientiAll'interno di un'app webSuperata · 458.1 s · $0.333Superata · 521.6 s · $0.418
Chiudere i crediti di febbraio e aprire contestazioni in un'app operativaAll'interno di un'app webSuperata · 469.9 s · $0.403Superata · 774.2 s · $0.698
Presentare una richiesta di diaria per due cittàAll'interno di un'app webSuperata · 256.7 s · $0.127Superata · 282.5 s · $0.225
Registrare in una console cloud la cronologia di un incidente per la sua analisi a posterioriAll'interno di un'app webSuperata · 216.3 s · $0.195Superata · 264.8 s · $0.306
Presentare richieste di risarcimento per le consegne danneggiate di due clientiAll'interno di un'app webSuperata · 445.9 s · $0.319Superata · 1058.7 s · $0.726
Correggere il calendario di reperibilità della prossima settimanaAll'interno di un'app webSuperata · 169.0 s · $0.125Superata · 193.3 s · $0.147
Abbinare le transazioni con carta a una bozza di nota speseAll'interno di un'app webSuperata · 457.1 s · $0.383Superata · 535.9 s · $0.394
Effettuare gli ordini di rifornimento di un magazzinoAll'interno di un'app webSuperata · 337.3 s · $0.182Superata · 205.3 s · $0.240
Verificare la nota spese di un dipendenteAll'interno di un'app webSuperata · 387.7 s · $0.189Superata · 450.6 s · $0.364
Impostare blocchi dei deploy in base al consumo del budget di erroreAll'interno di un'app webSuperata · 167.8 s · $0.106Superata · 240.6 s · $0.193
Riconciliare i dati di puntualità del vettore e correggere le regole di avvisoAll'interno di un'app webSuperata · 382.5 s · $0.261Nessuna risposta · 934.2 s · $0.971
Impostazioni di ragionamento a basso costo nelle classifiche ARC PrizeRicerca esplorativaSuperata · 372.4 s · $0.296Superata · 716.2 s · $0.723
Contare nei dati Epoch AI i modelli sopra le soglie UE di calcoloRicerca esplorativaSuperata · 165.8 s · $0.143Superata · 252.0 s · $0.186
Informazioni pubblicate ai sensi dell'EU AI Act per otto modelli di frontieraRicerca esplorativaLimite di passi · 1388.1 s · $3.008Nessuna risposta · 1748.6 s · $2.621
Tutti i modelli lanciati a settembre 2026, secondo sei changelog APIRicerca esplorativaSuperata · 273.4 s · $0.374Superata · 595.0 s · $0.721
Verificare dieci affermazioni sui lanci di modelli di settembre 2026Ricerca esplorativaRisposta errata · 228.8 s · $0.299Risposta errata · 507.6 s · $0.574
Scegliere un'API principale e una di riserva tra cinque modelli cinesiRicerca esplorativaSuperata · 412.3 s · $0.471Superata · 769.1 s · $0.696
Scegliere un modello offerto in una regione Azure in GermaniaRicerca esplorativaRisposta errata · 297.1 s · $0.280Superata · 787.2 s · $0.871
Scegliere l'endpoint provider GLM 5.3 più veloce su OpenRouterRicerca esplorativaSuperata · 774.9 s · $0.717Risposta errata · 960.2 s · $0.694
Calcolare il prezzo di un carico di lavoro API su sei modelliRicerca esplorativaSuperata · 550.4 s · $0.711Superata · 1642.9 s · $2.177
Prezzi API di sei provider conservati da Wayback MachineRicerca esplorativaRisposta errata · 1214.3 s · $0.552Nessuna risposta · 350.4 s · $0.181
Risalire alle fonti di una tabella LLM di WikipediaRicerca esplorativaRisposta errata · 458.7 s · $0.350Nessuna risposta · 383.3 s · $0.301
Cosa mostrava una versione di LiveBenchRicerca esplorativaRisposta errata · 296.8 s · $0.267Risposta errata · 330.8 s · $0.329
Creare una tabella sull'inflazione da FRED e verificarla su BLSVerifiche incrociate su uno–tre sitiSuperata · 274.1 s · $0.224Superata · 308.6 s · $0.312
Verificare i numeri di una lezione su GPT con video, codice e articoloVerifiche incrociate su uno–tre sitiSuperata · 619.4 s · $0.387Superata · 237.2 s · $0.277
Confrontare tre configurazioni MacBook sullo store Apple statunitenseVerifiche incrociate su uno–tre sitiSuperata · 786.1 s · $1.226Superata · 654.4 s · $1.110
Confrontare gli studi di fase 3 su ClinicalTrials.gov con le schede dei farmaci su DailyMedVerifiche incrociate su uno–tre sitiSuperata · 294.2 s · $0.401Nessuna risposta · 591.2 s · $0.872
Sei funzionalità web: elenco di quelle da usare o escludere secondo MDN e Can I useVerifiche incrociate su uno–tre sitiSuperata · 269.9 s · $0.262Superata · 751.4 s · $0.796
Calcolare il prezzo dei voli per Denver per un incontro del team fuori sedeVerifiche incrociate su uno–tre sitiSuperata · 526.6 s · $0.962Nessuna risposta · 963.3 s · $1.037
Riconciliare gli incassi di sei film di Wes Anderson tra un database di botteghino e WikipediaVerifiche incrociate su uno–tre sitiSuperata · 221.1 s · $0.250Superata · 324.7 s · $0.303
Istantanea del registro di quattro società britanniche su Companies HouseVerifiche incrociate su uno–tre sitiSuperata · 320.3 s · $0.223Risposta errata · 1005.0 s · $0.591
Annunci del 2026 di otto marchi sui prodotti, su X e nelle rispettive sale stampaPost su XRisposta errata · 667.1 s · $0.536Nessuna risposta · 847.0 s · $0.417
Acquisti estivi di otto squadre di calcio su X e sui siti dei clubPost su XLimite di passi · 1815.4 s · $1.805Nessuna risposta · 2343.4 s · $1.008
Rilasci di sicurezza di otto progetti open source su X e sui rispettivi sitiPost su XSuperata · 625.6 s · $0.627Nessuna risposta · 2248.5 s · $1.524
Quanto rapidamente otto università hanno pubblicato su X le notizie sul Nobel 2025Post su XRisposta errata · 1314.1 s · $0.487Nessuna risposta · 528.9 s · $0.237
Abbinare i post sui lanci SpaceX su X agli elenchi dei lanci di WikipediaPost su XSuperata · 751.6 s · $0.220Superata · 638.9 s · $0.300

I prezzi dei modelli sono quelli di listino pubblicati da Moonshot. Tutti gli altri numeri provengono dalle nostre esecuzioni.