Kimi K3 真实修复测试垫底
ChrisUniverse · x · 2026-07-18
一条引用帖指出，围绕 **Kimi K3** 的“代码能力很强”的说法，和他们自己的测试结果并不一致。 他们给出的关键信息包括： - K3 在 `Arena Frontend Code` 排名第 1，得分 **1679** - 在 `Artificial Analysis` 中排第 3，`Intelligence Index` 为 **57** - 但在他们的 **coding-agent repair harness** 上，K3 在 7 个模型里排最后 - 结果为 **53/67** 次修复成功，单次成功修复成本约 **$0.186**，平均耗时 **702 秒** - 对比中，**Sol** 达到 **100% (70/70)**，**Grok** 也有 **99%** 且平均仅 **46 秒** 作者想表达的是：外界对 K3“碾压级”的印象，可能和特定真实工作负载下的表现存在落差。