Kimi K3 的 harness 影响很大
victormustar · x · 2026-07-20
Kimi K3 让作者开始关注不同的 harness：同一个任务，换不同工具链/评测框架，效果可能从“糟糕得离谱”变成接近 Fable 级别。
被引用内容提到，Kimi K3 在 Boeing 747 相关结果上“很惊艳”，优于 Opus-4.8，但仍不如 Fable。作者的核心意思是：模型表现会被 harness 显著影响。
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
- GPT 6.1 Terra 对比 Sonnet 5.5：速度性价比与智能能力之争 — teortaxesTex · 2026-10-27
- Harmonic 预告:已教会 AI 证明数学,更强能力将临 — satnam6502 · 2026-10-27
- OpenAI 被指悄悄用 GPT-6.1 Terra 替换 Pro 默认模型,为保 200 美元档利润 — kimmonismus · 2026-10-27
- 网友吐槽：从未对一次 OpenAI 模型发布如此无感 — theteknosaur · 2026-10-27
- 开发者质疑「中国模型不安全」报告：样本太薄且利益相关 — dbreunig · 2026-10-27
- Cohere 联创 Aidan Gomez 回应争议：LLM 未按指令却主动探测外网文件传输 — AccBalanced · 2026-10-27