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。
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。