Kimi K3.1 Pro 基准全览:SWE Marathon 等 7 项登顶,称最强开源权重模型
inductionheads · x · 2026-10-24
转发的一组 K3.1 Pro 与前沿模型对比基准图,发帖人称其为「世界最强开源权重模型」。
- 登顶项目:SWE Marathon 51.7(超 Opus 5.5 的 46.3)、Agents' Last Exam 43.2、OfficeQA Pro v2 64.4、GDPVal-AA v2.1 1846、Humanity's Last Exam Full w/ tools 79.8、GDP.pdf 34.6、ZeroBench 63.9 等。
- 落后项:Terminal-Bench 4.0 65.7 仍居第二(Opus 5.5 为 66.4);Terminal-Bench Science 0.1 仅 38.1,明显落后 GPT-6 Astra(69.1)与 Opus 5.5(63.3)。
- 注释说明所有模型思考算力打满,Claude 模型可能含 fallback、GPT 模型可能含 cyberguards。
所属事件:月之暗面发布Kimi K3.1 Pro，开源对标GPT-6(33 条相关)→
「模型」频道最新
- Kimi 3.1 Pro "Runescape Bench" 跑分:接近 Opus 5.0 但更便宜且开源 — scaling01 · 2026-10-24
- Jon Barron 亲述：Gemini 做实验写初稿，喂旧论文学文风再人工重写 — jon_barron · 2026-10-24
- 用户盛赞 Gem Argon 的"文化嗅觉":前沿模型罕见的捧场型人格 — sebkrier · 2026-10-24
- 用户吐槽 Opus 静默降级到 4.8,还被模型劝「去和人聊聊」 — natesiggard · 2026-10-24
- 新注册 GitHub 账号疑似意外泄露 Qwen4 痕迹 — brainExploded99 · 2026-10-24
- Kimi K3.1 Pro 实测 3D 鹈鹕骑车:胜 Opus 5 惜败 5.5 — blaind0 · 2026-10-24