Kimi K3 评测落后 Muse Spark
adonis_singh · x · 2026-07-17
在 eyebench 测试里，muse-spark-1.1 表现很强，除 gpt-5.4/5.6 外基本压过其他模型。
作者表示 kimi-k3 比 muse 低 4 分左右，而且在 100 道题的测试里成本大约高了 10 倍，因此评价“不太好看”。
所属事件:Kimi K3评测落后Muse Spark且成本高昂(2 条相关)→
「模型」频道最新
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11