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
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11