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
- 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