Kimi K3.1 跑分 RareBench 得 38%,追平 GPT-6 Astra 仅花约 250 美元
danielmckinn0n · x · 2026-10-28
RareBench 评测方因 Kimi K3.1 发布后服务器过载,花几天才完成评测。结果显示 Kimi K3.1 Pro 在 Gamow Labs 的 RareBench 上拿到 38% 的 top-k recall,与 GPT-6 Astra 完全持平,较 K3 的 28% 提升 10 个百分点,而成本约 250 美元,仅为闭源前沿模型的四分之一左右。
RareBench 是留出集、长时间跨度、agentic 型任务,作者认为基本不可能过拟合,回应了「Kimi 在刷分」的质疑:结论是 K3.1 并非 benchmaxxed,不要小看 Moonshot AI。
「模型」频道最新
- Artificial Analysis 新榜因命名与 DeepSeek 列被圈内人狂赞「absolute cinema」 — eliebakouch · 2026-10-28
- 研究员吐槽：某新模型发布的评测表格「越看越离谱」 — eliebakouch · 2026-10-28
- 癫痫患者听信 ChatGPT 自行减药后死亡,聊天记录曝光 — xuanalogue · 2026-10-28
- Nace AI 搜索工具登顶 Snowflake MADQA 榜,500 题答对 94.7% — testingcatalog · 2026-10-28
- 腾讯 Hy-SimulMT-30B-A3B 翻译模型 FP8 版登上 HF 热榜 — tencent · 2026-10-28
- 谷歌发布世界模型 Genie 4,质感被指远超今年其他模型 — oran_ge · 2026-10-28