Kimi K3 在 AA-Briefcase 排第二，但单任务要 10.57 美元
airesearch12 · x · 2026-07-22
这条转发在讲 Kimi K3 在 agentic knowledge work 基准上的表现与成本：它在 AA-Briefcase 上拿到 1543 Elo，排名第二，只比 Claude Fable 5 的 1574 低一档。
但代价也很明显。帖子给出的估算是，Kimi K3 跑一项任务大约要 $10.57，约为 Kimi K2.6 的 10 倍，甚至在这个工作负载下高于 Opus 4.8。
补充的关键信息包括：
- Kimi K2.6 → K3：Elo 从 816 跳到 1543，单代提升 +727
- 规则通过率：K3 为 51%，Fable 5 为 56%
- 分析能力 Elo：K3 1754，几乎追平 Fable 5 的 1744
图表还显示 AA-Briefcase 同时在看 任务完成质量 和 每任务成本，因此这不是单纯刷榜，而是在比较“能做多少”和“要花多少钱”。
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
- GPT-6.1 Terra 发布:专为快速高效的计算机操作训练 — mark_k · 2026-10-27
- Nat Lambert 点评:依赖内部基础设施的窄域 RL 训练,不利开源权重 — mervenoyann · 2026-10-27
- 网传 Terminal-Bench 4.0 图：GPT-6.1 Terra 以最低成本登顶 — Angaisb_ · 2026-10-27
- GPT-6.1 Terra 跑分曝光:任务快 3 倍,单 token 成本仅十分之一 — OpenAIDevs · 2026-10-27
- OpenAI 推出 GPT-6.1 Terra:主打低成本高速计算机操作 — OpenAIDevs · 2026-10-27
- GPT-6.1 Terra 全量上线:Plus/Pro/企业/Edu 可用,API 名 gpt-6.1-terra — OpenAI · 2026-10-27