Kimi K3 与 Fable 失败模式很像
ZainHasan6 · x · 2026-07-18
图中对比了 Kimi K3 max 和 Fable 5 xhigh 的失败分布，结论是两者的“失败指纹”几乎一样：
- 都有约 65% 的失败属于 near miss（接近正确但没达标）。
- 都明显更倾向于“保护基线”，即很少把已有测试套件搞坏。
- 过去一些开源模型常见的“会破坏 baseline”问题，在这组模型上不明显了。
- 回复里还提到，Kimi K3 与 Fable 的逐任务相关性达到 0.72，说明两者行为高度相似，可能意味着 benchmark 正在趋于饱和。
所属事件:Kimi K3 登顶前端代码榜,编程能力逼近 Fable 5(12 条相关)→
「模型」频道最新
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- 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