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。
所属事件:Kimi K3 评测成绩两极分化，工具链影响显著(5 条相关)→
「模型」频道最新
- 讽刺帖晒 DeepSeek 文档图表理解翻车：定位框集体错位 — burkov · 2026-10-18
- 开发者吐槽:Claude 模型爱说 "not done" 成当前最大痛点 — jasonkneen · 2026-10-18
- 开源语音决策模型 TYGER 发布：80ms 决策让语音 Agent 实现全双工 — solyarisoftware · 2026-10-18
- 付费 Google AI 订阅撞墙：自定义域名账户被要求转个人账号 — ChrisRackauckas · 2026-10-18
- 560B MoE 塞进 4 台 DGX Spark:Ling 3.1 Flash 用 llama.cpp RPC 跑通 — BerryBlush_Rogers691 · 2026-10-18
- 用户追问 OpenAI 成人模式：承诺一年仍未落地 — ___Patrice___ · 2026-10-18