動作観察のBeatingモニタリングにより、Artificial AnalysisはKimi K3の独立レビューを公開しました。これはIntelligence Index v4.1で57点を獲得しています。全体の水準はClaude Opus 4.8、GPT-5.5と同等ですが、Claude Fable 5およびGPT-5.6 Solには依然として及びません。この総合指標は9項目のテストで構成され、実作業、ツール呼び出し、プログラミング、推論、知識、長いコンテキストをカバーしています。
Kimi K3はAgentの性能がより際立っています。実作業テストGDPval-AA v2で1668 Eloを獲得し、Opus 4.8、GPT-5.5、GLM-5.2を上回りました。自動化SaaSワークフローテストのスコアは53%で首位です。長いプロセスの知識業務では2位で、Fable 5に次ぐ結果でした。
第三者評価：Kimi K3 AgentのタスクはFable 5に迫るが、幻覚もさらに増えている
動作観察のBeatingモニタリングにより、Artificial AnalysisはKimi K3の独立レビューを公開しました。これはIntelligence Index v4.1で57点を獲得しています。全体の水準はClaude Opus 4.8、GPT-5.5と同等ですが、Claude Fable 5およびGPT-5.6 Solには依然として及びません。この総合指標は9項目のテストで構成され、実作業、ツール呼び出し、プログラミング、推論、知識、長いコンテキストをカバーしています。
Kimi K3はAgentの性能がより際立っています。実作業テストGDPval-AA v2で1668 Eloを獲得し、Opus 4.8、GPT-5.5、GLM-5.2を上回りました。自動化SaaSワークフローテストのスコアは53%で首位です。長いプロセスの知識業務では2位で、Fable 5に次ぐ結果でした。
この指標セットにおいて、Kimi K3は各タスクの平均コストが0.94ドルです。GPT-5.6 Solは1.04ドル、Opus 4.8は1.80ドルでした。ただし、知識の信頼性テストにおける幻覚率は39%から51%へ、正確率は33%から46%へと変化しています。