Kimi K3 与 Fable 5 在软件基准上的失败模式几乎一致
FinanceYF5 · x · 2026-07-21
一张对比图显示，Kimi K3 和 Fable 5 在软件工程基准上的失败模式非常接近：两者约 65% 的失败都只是“差一点就成功”，并且都能较好地保住现有基线，回归率分别为 11% 和 10%。
配套分析指出，两者在逐任务上的相关系数达到 0.72，是已知不同厂商模型之间最高的相似度之一；同时没有任何任务出现一方 4/4 全成功、另一方 4/4 全失败 的极端分化，说明这个基准可能正在趋于饱和。
所属事件:Kimi K3比肩Fable 5：性能相当且成本仅三分之一(7 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