国产大模型 Agent 实测：Kimi K3 与 DeepSeek V4 Pro 跑分曝光
Teknium · x · 2026-07-31
GMI Cloud 使用 tinyMMLU 数据集，对比了 Kimi K3、GLM 5.2 和 DeepSeek V4 Pro 在 Hermes Agent 和 OpenCode 两个框架下的表现。
- Kimi K3：在 Hermes 下仅需 40 秒、11万 token 即拿到 96 分，OpenCode 耗时较长得 93 分。
- GLM 5.2：两个框架均得 94 分，但 Hermes 的 token 消耗远低于 OpenCode。
- DeepSeek V4 Pro：Hermes 拿到 97 分最高分，但 OpenCode 耗时更短且成本极低（0.06 美元）。
测试表明，不同模型与 Agent 框架的搭配在速度、Token 效率和准确率上差异显著。
所属事件:多款Agent框架实测：Kimi K3轻量化表现佳且具成本优势(2 条相关)→
「编程与Agent」频道最新
- 相连的步骤≠工作流：Agent 跨应用交接无人把关 — usehive · 2026-10-16
- 用 Opus/Astra/Argon 生成 Blender 动画：怎么描述依然决定成败 — chongdashu · 2026-10-16
- 32GB 内存+8GB 3070 跑 PolyStrata+ Cline，约 90 tok/s — rpwoerk · 2026-10-16
- 模型能力还是基础设施？Agent 评测的分层归因难题 — jrxna · 2026-10-16
- 让 Claude 读完书和高手代码再写 claude.md,「已比我写得好」 — blaizedsouza · 2026-10-16
- Claude Code 插件 /label：一步自动命名并着色会话 — hermanschutte · 2026-10-16