Kimi K3 网络评测仍偏弱，但已能跑完整长链路
dyn___ · x · 2026-07-24
这条内容是在讨论 Kimi K3 的网络安全能力评测，配图里还给出了与多款中美模型的对比图表。
- 评论者认为，把分数直接叫作“cyber capability”有点夸张，因为底层基本是 ExploitBench。
- 但他也承认，Kimi K3 在 1/10 的完整 TLO solve 上仍然有意义：可靠性不高，但说明在这个设定下，模型已经能跑完整条长链路。
- 他强调，榜单排名不等于真实世界能力；如果换成更好的脚手架和专家指导，实际表现可能会完全不同。
- 附图展示了 Kimi K3、GLM-5.2 等模型与顶级美国模型在 cyber capability 和 ladder score 上的差距。
所属事件:Kimi K3 网络安全评测引争议：得分仅 32.2%(5 条相关)→
「模型」频道最新
- 曝 Meta Muse Agent 内置邀请码逻辑,或携额外免费额度上线 — testingcatalog · 2026-09-11
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- Anthropic 调整年龄验证,Claude 不再向未成年人开放 — Muhammad523 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11