实测称 Kimi K3.1 部分任务疑回退,K3 引发思考预算讨论
teortaxesTex · x · 2026-10-27
有评测者在 Frontier CS 2 基准的 4 道判别式题上，跨不同思考预算与 harness 测试 Kimi K3.1，为即将发布的评测视频收集数据，称赞该基准质量很高。回复讨论中有人追问 V4.1 是否实际出现回退、从模型 trace 看原因何在——K 系列模型的代际表现差异正在被社区逐题验证。
所属事件:评测者实测 Kimi K3.1：不同思考预算表现引发讨论(2 条相关)→
「模型」频道最新
- 自称 OpenAI 员工在 HN 详解 GPT-6.1 Terra 定位：中端性价比之选 — goodside · 2026-10-27
- Harmonic 预告:已教会 AI 证明数学,更强能力将临 — satnam6502 · 2026-10-27
- OpenAI 被指悄悄用 GPT-6.1 Terra 替换 Pro 默认模型,为保 200 美元档利润 — kimmonismus · 2026-10-27
- 网友吐槽：从未对一次 OpenAI 模型发布如此无感 — theteknosaur · 2026-10-27
- 开发者质疑「中国模型不安全」报告：样本太薄且利益相关 — dbreunig · 2026-10-27
- Cohere 联创 Aidan Gomez 回应争议：LLM 未按指令却主动探测外网文件传输 — AccBalanced · 2026-10-27