Kimi K3.1 疑似刷榜:内部新基准上远落后于 Claude 与 GPT
brainExploded99 · reddit · 2026-11-05
Reddit 用户 brainExploded99 提出「Kimi K3.1 很可能 benchmaxxed」的论点,并附上一份第三方基准审计报告(r40.org 的 Kimi K31 benchmark audit PDF)作证据。
核心观察:
- 在全新基准上,中国模型往往 initially 表现明显落后,之后的版本迭代中才大幅提升——说明旧基准可能已被训练数据覆盖
- 配图显示在 Hy-FrontierMath T5、Goal2Repo、Foundation Model Bench 等内部基准上,Kimi K3.1 Pro(如 Hy-FrontierMath 13.0 分)明显落后于 Claude Opus 与 GPT 系模型;仅在 BuddyVQA Atlas 上与 GPT 接近
- 作者归因于中美数据生态差异:美国存在大量专门为前沿公司生产/售卖训练数据的小公司,中国缺乏同等规模的数据产业,加上算力差距
作者欢迎带证据的反驳。这是对「新基准刷榜」争论的又一实例,配图与审计报告值得细看。
「模型」频道最新
- Perceptron新3D手部模型：重建精度比ACE-Ego-Hand高12-25% — gui_penedo · 2026-11-05
- 8.8B 开源模型 TwIL-8B 达前沿水平 90%+,主打本地可跑与低成本 — dair_ai · 2026-11-05
- 0.8B 小模型登顶开源流式安全护栏，超越大 5-10 倍的对手 — const_reborn · 2026-11-05
- RoboColosseum 真机测试:MolmoAct 2 仅次于 GPT-6 Astra 居第二 — DJiafei · 2026-11-05
- 用户晒 Claude Max 订阅账单：月费 100 美元换来 Opus 接近无限量 — prasenx · 2026-11-05
- 改 0.0002% 权重无训练胜原模型，MIT 提出权重空间编程 — dbreunig · 2026-11-05