Kimi K3 代理基准第二，但每任务成本 10.57 美元
ArtificialAnlys · x · 2026-07-22
Artificial Analysis 说，Kimi K3 在它的 AA-Briefcase 代理知识工作基准上排到第二，但代价是更贵也更慢。
- Kimi K3 在 AA-Briefcase 上拿到 1543 Elo，只低于 Claude Fable 5 的 1574，明显高于上一代 Kimi K2.6 的 816。
- 它在 Artificial Analysis Intelligence Index 上得分 57，大致可与 Opus 4.8、GPT-5.5 这类模型相提并论。
- 但成本很高：平均每个任务 $10.57，约是 Kimi K2.6 的 10 倍；平均每任务 83 个 turn，完成一个任务要 56.4 分钟。
- 报告认为，它在客观性和分析质量上表现强，但在展示质量上不如部分竞品。
所属事件:Kimi K3 刷榜 AA-Briefcase 但成本与耗时高昂(6 条相关)→
「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