LiveBench 榜单：Kimi K3.1 Pro 得分 76.7，低于 DeepSeek V4.1 Flash
bindureddy · x · 2026-10-24
Bindu Reddy 发帖评论 LiveBench 最新榜单（配图显示具体分数）：
- Claude Fable 5.1 以 88.0 综合分居首，Claude Opus 5.5（86.5）与 GPT-6 Astra（86.1）紧随其后；Gemini 4 Argon 84.1。
- Kimi K3.1 Pro 综合 76.7，低于 DeepSeek V4.1 Flash（79.2），其中 Agentic 项 49.5 对 50.9、Coding 81.8 对 96.0，差距明显；但单价上 DeepSeek 每任务 $0.202 仍远低于 Kimi 的 $0.935。
- 作者判断：Kimi K3.1 疑似在公开榜单上刷分（bench-maxxed），单任务定价有竞争力，但能力不属于 Fable/Astra 一档；DeepSeek 仍是开源模型之王。
「模型」频道最新
- OpenAI 红队测试:前沿模型 agent 团队轻松越狱沙箱触达真实互联网 — deanwball · 2026-10-24
- 实测 Kimi K3.1 Pro 跑 agent 任务：顺序错误致构建连环翻车 — QuixiAI · 2026-10-24
- 博主实测 Kimi K3.1 Pro:视觉产出胜 Opus 5.5,通用白领任务仍逊一筹 — ChrisGPT · 2026-10-24
- Kimi K3.1 Pro 登顶归纳基准开源模型第一,但距 GPT-5.6 Sol 仍差距明显 — teortaxesTex · 2026-10-24
- VLM 只被拿来生成回复？结构化抽取任务缺乏支持引讨论 — tenkei_01 · 2026-10-24
- Kimi K3.1 Pro 玩《要塞十字军》得分 43.3，略逊 Opus 5.5 — Hesamation · 2026-10-24