Kimi K3.1 Pro 跑分曝光:SWE Marathon 等 6 项 agent 基准登顶,逼近 Opus 5.5
Ferzelibey · reddit · 2026-10-24
Reddit 用户晒出 Kimi K3.1 Pro 的基准测试图表，显示这款开源模型在多项 agent/长任务基准上与闭源旗舰持平甚至领先：
- 登顶项目：SWE Marathon 51.7、Agents' Last Exam 43.2、OfficeQA Pro v2 64.4、Humanity's Last Exam Full w/ tools 79.0、GDP.pdf 34.6、ZeroBench w/ tools (pass@5) 63.0，均超 Opus 5.5 与 GPT-6 Astra
- 接近榜首：Terminal-Bench 4.0 得 65.7，仅次 Opus 5.5 的 66.4；GDPval-AA v2.1 1846 仅次于 Opus 5.5；BenchCAD w/ tools 92.7
- 相对弱项：Terminal-Bench Science 0.1 仅 38.1，明显落后 GPT-6 Astra 的 68.1；OSWorld V2.1 79.6 落后 Opus 5.5 的 91.8
注：所有模型均以最高 thinking effort 运行。整体看开源阵营在 agentic 任务上已实质追近前沿闭源模型。
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