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
- AA 公布 Intelligence Index v4.3.2 各子项评测明细 — ArtificialAnlys · 2026-10-27
- Terminal-Bench 4.0:GPT-6.1 Terra 涨约 20 分,追平 GPT-6.1 Sol — ArtificialAnlys · 2026-10-27
- AA 实测:GPT-6.1 Terra 幻觉率降 50%,准确率还升 2 分 — ArtificialAnlys · 2026-10-27
- AA 实测 GPT-6.1 Terra:编码 Agent 得 48 分,成本仅前代三分之一 — ArtificialAnlys · 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
- OpenAI 推出 GPT-6.1 Terra:主打低成本高速计算机操作 — OpenAIDevs · 2026-10-27