Kimi K3 刷榜 AA-Briefcase 但成本与耗时高昂

Artificial Analysis 针对 Kimi K3 在 AA-Briefcase 代理知识工作基准上的表现发布了多维度评测。评测显示，Kimi K3 虽然在总分上取得了前沿成绩，但在运行效率与成本消耗上付出了极高的代价，呈现出显著的优劣势分化。

已确认

总分与能力偏科：Kimi K3 在 AA-Briefcase 测试中拿到了 1543 Elo 的总分，排名第二，逼近榜首 Claude Fable 5 的 1574 Elo。在具体维度上，其分析质量表现强劲，达到 1754 Elo，大致相当于 Claude 的水平；但呈现质量明显弱于其自身的分析能力，存在偏科现象。

运行成本与效率代价：尽管分数亮眼，但 Kimi K3 的运行代价极为高昂。平均每个任务耗时高达 56.4 分钟，是榜单中耗时最长的一档；单任务平均成本也达到 10.57 美元（在展示模型中仅次于 14.43 美元的 Claude Sonnet 5 max 版本）。导致成本和耗时暴增的主要原因是，该模型在处理任务时平均需要 83 轮交互，并产生约 12 万的输出 Token。

为什么重要

该评测揭示了当前大模型在追求复杂代理任务高分时可能面临的典型权衡：极高的推理与交互频次虽然能拉高最终任务质量，但会引发 Token 消耗暴增和响应时间过长。对于实际应用而言，这种高昂的金钱与时间成本将直接影响模型在真实业务场景中的商业可行性。

2026-07-22 ~ 2026-07-22 · 6 条相关

事件全程(共 20 集)→

一手来源