Kimi K3.1 Pro 刷榜强但硬任务拉胯,机器人实测不敌 Astra 与 Gemini 5.5
Afinetheorem · x · 2026-10-24
- 研究者 Afinetheorem 评价 Kimi K3.1 Pro：团队实力强、模型本身不错，但与近期所有重 RL 后训练的模型一样，通用性能与「涌现能力」表现不佳。
- 引用实测：K3.1 Pro 在机器人任务上表现很差，尽管在 Terminal-Bench 等热门基准上击败了 Astra 和 Argon。
- 作者认为 AA Index 只是代理指标，在困难任务上 K3.1 Pro 明显达不到 Astra 或 Gemini 5.5 的水平——暗示「刷榜分高 ≠ 真实能力」。
所属事件:Kimi K3.1 Pro 发引发实测潮：性价比亮眼冲击旗舰(23 条相关)→
「模型」频道最新
- 多名用户 ChatGPT Student 计划被取消,客服称疑因系统回滚 — Geezusotl · 2026-10-24
- 用户晒 Opus 5.5 后台任务:168 个 agent 跑 3.5 小时耗 280 万 tokens — imjustnewatai · 2026-10-24
- 4B 小模型 Spark X2.6 被实测：工具调用能力远超同体积 — MeinDruckerSpinnt · 2026-10-24
- Kimi k3.1 被泼冷水：称其远够不到 Opus 5.5 档位 — ChrisGPT · 2026-10-24
- 谷歌研究员批 Pangram:AI 检测器贩卖焦虑,卖虚假确定性 — rohanpaul_ai · 2026-10-24
- 用户实测：1200 万 tokens 仅花 16 卢比，DeepSeek 便宜到离谱 — cneuralnetwork · 2026-10-24