90+ 新基准复盘:Kimi K3 持平 GPT-5.5/Opus 4.8,远逊 Fable 5

scaling01 · x · 2026-10-30

Kimi K3 发布三个多月后,作者用 90 多个发布于 K3 之后的新基准做了系统性复盘,过拟合可能性很低。结论:K3 大致与 GPT-5.5(4 月底发布)和 Opus 4.8(5 月发布)打平,输赢各半;但明显落后于 Claude Fable 5 和 GPT-5.6 Sol——Moonshot 自己在发布博客中也承认这一点。配图显示 K3 对 GPT-5.6 Sol 的中位相对差距为 -14.05%,对 Best of 4 仅有 7 胜 72 负。作者还回顾了此前 Kimi K2 Thinking 的类似轨迹:16 个新基准中 13 个落后,7 个落后超 10 个百分点,并对比了 DeepSeek v4 Pro (Preview) 的 32 个新基准表现。