Kimi K3.1 对比 DeepSeek V4：非 SSW 特化但在多项硬核基准进步明显

teortaxesTex · x · 2026-10-29

博主 teortaxesTex 分享了 Kimi 1017（K3.1 系）与 DeepSeek K3.1 的更多基准对比截图（来自 Artificial Analysis），涵盖 Terminal-Bench-Science、FrontierCode 2.0、HLE-Diamond、GDP.pdf、Terminal-Bench 4.0、CritpV v2 等基准。他修正了自己此前对 Kimi 的评价：Kimi 虽然没有把重心放在 SWE/编码类任务上，但在其他困难任务上改进明显——例如 Kimi K3.1 Pro 在 GDP.pdf 全通过率上以 31% 居首，Terminal-Bench-Science 上 Kimi K3.1 Pro 达 34%（Gemini 4 Carbon 为 69%），HLE-Diamond 上 K3.1 Pro 37%。