Kimi K3 登顶表格评测
rohanpaul_ai · x · 2026-07-18
Kimi K3 在 SpreadsheetBench 2 上拿到第一名，表现被描述为对电子表格工作流特别有用，尤其适合金融、规划和运营场景。
这个基准不是只看单点公式能力，而是测试工具型 AI 是否能完成完整表格任务。它包含 321 个专家设计任务，覆盖财务建模、工作簿调试和原生图表创建；任务平均有 11.8 个工作表和 593.5 次单元格修改，要求模型在长链路操作中保持上下文一致。
帖子还说明了评分方式：
- 建模和调试任务要求所有指定修改都准确完成，同时未要求修改的单元格不能被误改
- 图表任务只有在视觉模型确认满足至少 70% 的要求时才算通过
引用内容补充称，Kimi K3 超过了 Claude Fable 5，并称这是一个开权重模型击败所有闭源模型的结果。
所属事件:Kimi K3登顶表格评测，KernelBench早期表现亮眼(4 条相关)→
「模型」频道最新
- GPT-6.1 Terra 事实错误率从 22.3% 降至 4.3%，降幅近 81% — haider1 · 2026-10-27
- GPT-6.1 Terra 发布:早期用户称写作与 computer use 表现亮眼 — BenBajarin · 2026-10-27
- GPT-6.1 Terra 跑分曝光:成本低至 Sol 一半,追不平 Astra — Angaisb_ · 2026-10-27
- Artificial Analysis 更新智能指数 v4.3.2，GPT-6.1 Terra 参与横评 — ArtificialAnlys · 2026-10-27
- AA 实测:GPT-6.1 Terra 幻觉率降 50%,准确率还升 2 分 — ArtificialAnlys · 2026-10-27
- AA 实测 GPT-6.1 Terra:编码 Agent 得 48 分,成本仅前代三分之一 — ArtificialAnlys · 2026-10-27