Kimi K3.1 Pro 跑分 WeirdML v3 得 9.9%，超 Kimi-K3 仍落后 Claude

scaling01 · x · 2026-11-06

博主 htihle 用 Kimi Code（Fireworks 供应商）实测 Kimi K3.1 Pro 在全 agentic 基准 WeirdML v3 上的表现：得分 9.9%，高于 Kimi-K3 的 7.5%，但明显落后于 Haiku 5.5 等头部模型。

WeirdML v3 是一个含 11 个手工复杂任务的 agentic 基准，要求模型在数据未知、目标不明确、反馈极少的情况下自行探索数据、搭建 ML 与数据分析管线并产出结果。从配套榜单看，GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5 位居前列，Kimi K3.1 Pro 排第 14 位。