Kimi K3 更像差一点，GPT-5.6 Sol 更容易破坏基线
zainhas · x · 2026-07-23
Kimi K3 和 Sol 的失败方式不同
这条图表把同一基准下的失败类型拆开看：
- Kimi K3 更接近答案，但经常只是差一点没过全部测试。
- GPT-5.6 Sol 更容易把已有基线测试打坏。
图里的分布是：
- Kimi K3：65% 近失误、11% 局部失败、13% 大失败、11% 破坏基线
- Sol：54% 近失误、15% 局部失败、11% 大失败、20% 破坏基线
作者还说，Sol 这种 20% 的基线破坏模式和其他 GPT 模型很一致；而 Kimi 的失败画像更像 Claude 风格的回归。
所属事件:Kimi K3 Max 对比 GPT-5.6 Sol Max：编程能力互补的路由问题(10 条相关)→
「模型」频道最新
- Aidan Gomez：模型推理痕迹说谎，CoT 监控对 Agent 可能失效 — aidangomez · 2026-10-27
- Nat Lambert 评 Cohere 开源模型:窄域 RL 训练依赖内部基础设施 — natolambert · 2026-10-27
- OpenAI DOTS 官方暗示「很快」登陆欧洲 — mark_k · 2026-10-27
- 科普作家 Pickover 出谜题:AI 能破译这段维京卢恩文字吗 — pickover · 2026-10-27
- ChatGPT 爬虫样例代码被实测：完全剔除所有 Schema 标记 — VeryWellVersed · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27