Kimi vs Claude：长文档和研究任务怎么选
我们正在对这两款工具做同题实测。下面的判断基于官方套餐和文档，实测完成后会在本页补充评分。
初步判断
两者都主打长上下文，建议用同一批文档实测。中文材料多、预算紧选 Kimi；英文精细写作和代码库任务选 Claude。
逐项对比
| Kimi | Claude | |
|---|---|---|
| 厂商 | Moonshot AI | Anthropic |
| 免费版 | 有 | 有 |
| 付费起步价 | $19/月 | $20/月 |
| 开源权重 | 有 | 无 |
| API | 有 | 有 |
| 开源权重 | 有（K 系列） | 无 |
| 编程智能体 | 以实测结果为准 | Claude Code |
| 同文档实测 | 以实测结果为准 | 以实测结果为准 |
我们怎么测
这些任务正在实测中，完成后每款工具的评分会显示在这里。
测试配置
- Kimi
- Kimi Plus（$19/月），默认模型；编程智能体任务使用 Kimi Code
- Claude
- Claude Pro（$20/月），默认模型；编程智能体任务使用 Claude Code
两款工具在全新对话中上传同一份 PDF。除联网研究任务外关闭联网搜索。问答类任务按测试前对照原文核对过的答案打分；每组都包含一道文档里没有答案的问题，用来检验是否会编造答案。
两个套餐价格相近，所以这组测试看的是：在正常一天的用量内，谁处理长篇、中英混合的材料更可靠。
任务与提示词
01144 页英文法规
Using only the attached EU AI Act (Regulation (EU) 2024/1689), answer the following and give the article for each answer:
1. What is the maximum fine for prohibited AI practices?
2. From what date do the prohibitions apply?
3. From what date do the obligations for general-purpose AI models apply?
4. Which annex lists the high-risk use cases?
5. Which article defines an "AI system"?
6. From what date does the Regulation generally apply?
7. What does the Regulation say about the price of GPU hardware?只根据附件中的《欧盟人工智能法案》（Regulation (EU) 2024/1689）回答以下问题，并为每个答案注明条款：
1. 违反禁止性 AI 实践的最高罚款是多少？
2. 禁止性条款从哪天开始适用？
3. 通用目的 AI 模型的义务从哪天开始适用？
4. 哪个附件列出了高风险用途？
5. 哪一条定义了“AI 系统”？
6. 法案整体从哪天开始适用？
7. 法案对 GPU 硬件价格有什么规定？检查要点
- 6 个答案与标准答案及条款一致
- 第 7 题回答文档中没有相关规定
02中文长篇政策报告
Using only the attached 2025 Chinese Government Work Report, answer: 1. The GDP growth target. 2. The target for new urban jobs. 3. The CPI target. 4. The deficit-to-GDP ratio. 5. The amount of ultra-long special treasury bonds. 6. The amount of local government special-purpose bonds. 7. What the report says about the exchange rate between the yuan and the euro. Quote the sentence each answer comes from.只根据附件中的 2025 年《政府工作报告》回答：1. 国内生产总值增长预期目标；2. 城镇新增就业目标；3. 居民消费价格涨幅目标；4. 赤字率；5. 超长期特别国债规模；6. 地方政府专项债券规模；7. 报告对人民币兑欧元汇率有何具体表述。每个答案请引用原文句子。检查要点
- 6 个答案与标准答案一致
- 每个答案都引用了原文
- 第 7 题回答报告中没有相关表述
03从四份价格页整理表格
The four attached PDFs are the pricing pages of Runway, Kling, Hailuo and Kimi, saved today. Build one table with: tool, plan name, monthly price when billed monthly (USD), and what the plan includes in credits or usage. Mark any value you could not find as "not stated" rather than guessing.附件四份 PDF 是今天保存的 Runway、可灵、海螺、Kimi 价格页。请整理成一张表：工具、套餐名、按月付费的月价（美元）、套餐包含的积分或用量。找不到的数值请写“未注明”，不要猜。检查要点
- 四份页面上的套餐都在表中
- 价格与页面一致
- 缺失值标为“未注明”，没有编造
04中英文联网研究
Search the web. What is the cheapest paid monthly plan for Kling and for Hailuo AI right now, at list price, and how many credits does each include? Cite the official page for each figure.请联网搜索：可灵和海螺 AI 目前最便宜的按月付费套餐原价分别是多少？各包含多少积分？每个数字都请附官方页面链接。检查要点
- 价格和积分与测试当天官方页面一致
- 区分了原价和首月优惠
- 每个链接都是官方页面并支持对应数字
05删减 20% 且不丢事实
Edit the attached draft down to about 480 words (it is about 600 now). Keep every fact, figure and name. Keep the author's tone. Return only the edited text.把附件中的英文稿件删减到约 480 词（现在约 600 词）。保留所有事实、数字和名称，保持作者语气，只返回修改后的正文。检查要点
- 12 条标记事实全部保留且未被改动
- 长度在 456–504 词之间
- 语气和立场不变
06小型代码库中的编程智能体
In this repository, implement parse_duration in duration.py so that all tests in test_duration.py pass. Do not edit the tests. Run the tests before you finish.在这个代码库里实现 duration.py 中的 parse_duration，让 test_duration.py 中的测试全部通过。不要修改测试文件。结束前请运行测试。检查要点
- 14 个测试的通过比例
- 没有修改测试文件
- 我们需要介入的次数
评分标准（每项 1–5 分）
| 维度 | 权重 | 分数含义 |
|---|---|---|
| 准确性 | 40% | 1：错误或编造 · 3：大体正确但有重要失误 · 5：完全正确 |
| 有据可查 | 25% | 1：没有出处 · 3：部分答案给出出处 · 5：每个答案都指明条款、页码或链接 |
| 遵循指令 | 20% | 1：无视限制 · 3：漏掉一项限制 · 5：所有限制都满足 |
| 语言质量 | 15% | 1：生硬 · 3：正确但不自然 · 5：像熟练的母语写作者 |
其他指标
- 客观题：答对的标准答案条目比例，换算为 1–5 分（1 + 4 × 比例）
- 文档无答案时是否承认（是/否）
- 编辑任务中保留的事实数（共 12 条）
- 测试过程中是否触及用量上限（是/否）