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
- 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
- antirez 谈 Anthropic 禁止未成年人使用 Claude — antirez · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11