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
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11