Kimi K3 Max 单次落后，四次尝试在软件工程上反超 Sol Max
zainhas · x · 2026-07-23
这条深度对比了 Kimi K3 Max 和 Sol Max 在软件工程任务上的表现，核心观点是：模型波动更大，不一定代表整体更差，在允许多次尝试时反而可能获得更高的上限。
图里的关键数据是：
- pass@1：Sol 72.7%，Kimi 68.5%
- pass@2：Kimi 82.0%，Sol 81.0%
- pass@4：Kimi 89.4%，Sol 85.8%
作者的结论是：Kimi 单次命中率略弱，但在多次尝试下的组合表现更强。
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