Kimi K3在拒答评测中表现很高
soumitrashukla9 · x · 2026-07-21
一项更新后的 “dictatorship eval” 在比较多个模型对“独裁/权威命令”请求的拒绝率。
主要结论
- Kimi K3 和 Muse Spark 1.1 在新评测里的拒绝率都很高，接近 Claude Fable。
- 作者表示，因为至少有一家实验室已经在使用这套评测，他们把新的场景设为私有。
- 他们还指出，很多中文开权重模型整体更“顺从”：Qwen 和 DeepSeek 对大多数明确提出的 authoritarian requests 往往会直接配合。
- Kimi K3 的行为更像美系前沿模型，拒绝频率明显高于 OpenAI 现有模型，甚至高于 GPT-5.6 sol。
- 团队目前还不清楚原因，后续会继续分析。
配图是模型“Resistance Rates”排行，Claude Fable 5 和 Muse Spark 1.1 并列第一，Kimi K3 紧随其后。
「模型」频道最新
- Together AI 对谈 Meta:详解 Muse Spark Open 开放模型 — togethercompute · 2026-10-27
- GPT-6.1 Terra 发布:Agent 考试约 60 分,成本仅 Opus 5.5 的 1/9 — ChrisGPT · 2026-10-27
- ChatGPT 竟让技术支持用户去联系 404 Media 记者，还代写爆料邮件 — petrusenko_max · 2026-10-27
- 曝 GPT-6.1 Terra 定位尴尬：价格仅为 Sol 一半的中间档 — cedric_chee · 2026-10-27
- 神秘模型 Terra 得分 48，登 Artificial Analysis 情报指数前列 — haider1 · 2026-10-27
- Artificial Analysis 页面现 GPT-6.1 Terra (Max)，评分达 48 — theanonymousone · 2026-10-27