autoresearch 榜单:GPT-6 Astra 72.6% 居首,Kimi K3.1 Pro 第 7
JoshPurtell · x · 2026-11-07
Josh Purtell 回复 Kimi K3.1 Pro 讨论帖,晒出其在自建 autoresearch 基准上的成绩:表现不算差但也谈不上突出。榜单截图显示:
- GPT-6 Astra 以 72.6% RUST 分数居首(Codex harness、high effort、单次约 $5.63);
- GPT-6.1 Sol(69.2%)与 GPT-6.1 Terra(66.8%)分列二三位,单次成本不到 $1;
- Kimi K3.1 Pro 排第 7(44.3%),单次约 $0.63;
- DeepSeek v4.1 Flash 以 39.9% 排第 8,单次仅 $0.075,性价比突出;
- Muse Spark 1.2(36.2%)与 GLM 5.3(33.9%)垫底。
此前他还解释自家榜单闭源参考只用 OpenAI 模型(靠 Codex 订阅跑),因为担心用 Claude 订阅做评测违反 Anthropic 严苛的服务条款。
所属事件:Kimi K3.1 Pro 开源后遇冷，autoresearch 榜列第 7(2 条相关)→
「编程与Agent」频道最新
- SidePulse 把 MacBook SD 卡槽变成 8 颗 RGB 状态灯，写文件即可让 agent 提醒你 — yacineMTB · 2026-11-07
- 开发者用 LangChain MCP 打造对话式 SQL 查询 Agent,只读+可审视设计 — Top-Plan-229 · 2026-11-07
- shadcn 称 eval 出现怪异结果:Sonnet 与 Gemini 通过任务最多 — shadcn · 2026-11-07
- Gaussian Splatting 也能做 UI:开发者跑通 imagen→SHARP→spark→popmelt 原型 — janusch_patas · 2026-11-07
- 团队自建多 GPU 集群逃离云 API 限流:单机大显存 vs 多节点之争 — Decent_Wing_4393 · 2026-11-07
- 六周独立开发 OctoHall:让 AI Agent 互相雇佣干活并真实收款 — wolfdogKC · 2026-11-07