盲测文档基准显示 Kimi K3 追平 Sol 的 Word 表现
ell-hol1 · reddit · 2026-07-21
Kimi K3 在文档写作上逼近 GPT-5.6 Sol，但演示文稿仍明显落后
这条帖介绍的是一个 Reddit 社区参与的盲测基准 DocBench Arena：400+ 名 Reddit 用户对 236 个生成文件投了 3,000+ 票，用来比较不同模型生成文档和演示的质量。
- 综合榜单：GPT-5.6 Sol 仍是第 1，ELO 1306；Kimi K3 首次进入榜单，排到第 6，ELO 1192。
- PPT/Slides：Sol 以 1373 排第 1，K3 只有 1181，差距很大。
- Word 文档：K3 的 1214 几乎追平 Sol 的 1211，基本可以看作打平。
- 成本：K3 每份完成文档约 $0.44，低于 Sol 的 $0.56。
- 速度：Sol 大约 2 分钟完成任务，K3 约慢 5 倍，同时消耗更多 token 和 agent step。
作者的结论是：Sol 依然是总体最强，尤其在演示文稿和效率上优势明显；但 K3 已经在 Word 文档这一半的基准上找到突破口，做到几乎同质量、但更便宜。只是目前 K3 的比较样本还少，只有 186 次对比，后续排名仍可能变化。
「模型」频道最新
- 博主故意误导 Ling 3.0 Flash Sante,模型坚持拒绝错误精神病治疗方案 — FellMentKE · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
- ChatGPT 把 404 Media 当科技公司客服，大批用户被推荐去找记者修手机 — 404 Media · 2026-10-26
- 用 Claude 讲清压限器自动增益补偿，音频工程师直呼最佳示范 — teropa · 2026-10-26
- ChatGPT 把记者当客服：404 Media 收到大量 AI 代写爆料邮件 — 404 Media · 2026-10-26
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26