Scale 发布 MCP 工具调用评测，Kimi K3 领跑开源模型
LiTianleli · x · 2026-07-31
Scale Labs 更新了 MCP Atlas 评测榜单，该基准专门用于评估大语言模型在真实场景下的多步骤工具调用能力（包含 1000 个任务和 36 个 MCP 服务器）。
根据最新评测结果，Kimi K3 在开源模型中位列第一，并在长程工具调用中击败了 Gemini 3 flash lite 和 GPT 5.6 luna 等闭源模型。
「模型」频道最新
- 网友观察到模型自生成「理想回答」用于训练其他模型 — liminal_bardo · 2026-10-16
- Reflection Beam 501B MoE 登陆 GB200:单用户 463 tok/s — zhyncs42 · 2026-10-16
- JevBench 榜单更新:d1-ultra 以 76.1 综合分登顶,32 个 API 系统参评 — airesearch12 · 2026-10-16
- LMArena 上线 Agent 与代码双排行榜，可对比各模型智能体实力 — arena · 2026-10-16
- NVIDIA Nemotron-3.5 实测遇冷:Bolt 74B 在 pandas/numpy 与决策类测试不及 nano 版 — norenEnmotalen · 2026-10-16
- Reflection 开源 501B 模型 Beam,Apache 2.0 携 40+ 伙伴生态发布 — bhutanisanyam1 · 2026-10-16