Kimi K3 报告补充内测表，覆盖编码与 WebDev 评测

nrehiew_ · x · 2026-07-29

这条补充帖继续放出了 Kimi K3 报告里的两张表。

内部 benchmark 表

表格把 Kimi K3 (max) 和多款闭源/开源模型放在一起，对比了 coding、agent 和对话能力。几个重点是：

Coding Experience：Kimi K3 在 Claude Code 和 Codex 两套 harness 下都表现不差。
General Agent Experience：在 24/7 ClawBench 2.0、MIRA Bench、KAET、CLIF Bench、Agentic Vision Bench、Swarm Bench、Online Experience、Deep Research Bench、Finance Bench、KWV Bench、DECK Bench、Agent Behavior Bench 等项目上都有结果。
Conversational Experience：在 Faithfulness 和 Chat All-in-One Bench 上也有比较强的成绩。

WebDev bench

第二张表是 Kimi K3 (max) 对 Claude Opus 4.8 (max) 的盲测对比，维度包括：

报告说明，专家在不知道模型来源的情况下，从代码质量、功能完整性、视觉还原度和交互体验等方面打分。

「Infra」频道最新