评测者实测 Kimi K3.1：不同思考预算表现引发讨论

有评测者在 Frontier CS 2 基准中挑选 4 道区分度较高的计算机科学题，跨不同思考预算与多种测试框架实测 Kimi K3.1，为即将发布的评测视频收集数据，并称赞该基准质量很高。部分讨论称 K3.1 在某些任务上疑似出现回退，同时其思考预算设置也引发社区讨论，不同实测结果对模型表现评价不一。

2026-10-27 ~ 2026-10-27 · 2 条相关