开发者吐槽：别信 benchmark，实测代码审查 Kimi 表现更好
JensHonack · x · 2026-07-18
有开发者反馈，在代码审查等实际应用场景中，不能盲信官方的基准测试成绩：某款被评为“高”分的模型实际表现反不如另一款“低”分模型。
推文借此调侃，期待即将发布的 Kimi 3 也能经受住“别信 benchmark”的实测检验。
「编程与Agent」频道最新
- Vovy 发布:跟随光标的 Mac 语音 Agent,免费档每月 100 credits — Scobleizer · 2026-10-27
- Reddit 网友征集:带持久记忆的个人 AI 通讯助手怎么搭 — BrooksomidusGG · 2026-10-27
- Claude Code 用法心得：max 档做规划，xhigh 档做实现 — majidmanzarpour · 2026-10-27
- Chrome 团队详解 WebMCP：不是取代 MCP，而是让网站直接向 agent 提供工具 — rseroter · 2026-10-27
- Agent 绕过 UI 就能改已审批报销单?Agent-Native 框架要堵这个洞 — rseroter · 2026-10-27
- 开发者晒 AI 编码智能栈：人定方向 Opus 写码 Astra 审查，人类只做审阅 — sh_reya · 2026-10-27