Согласно мониторингу Beating, Artificial Analysis опубликовала независимый обзор Kimi K3. Он набрал 57 баллов в Intelligence Index v4.1. Общий уровень сопоставим с Claude Opus 4.8 и GPT-5.5, но всё ещё ниже, чем у Claude Fable 5 и GPT-5.6 Sol. Этот сводный индекс состоит из 9 тестов и охватывает реальные задачи, вызовы инструментов, программирование, рассуждения, знания и длинный контекст.

Агентные возможности Kimi K3 выделяются сильнее всего. В тесте реальных задач GDPval-AA v2 он получил 1668 Elo, обогнав Opus 4.8, GPT-5.5 и GLM-5.2. В автоматизированных SaaS-воркфлоу тестах результат составил 53%, и это первое место. В рейтинге знаний для длинных процессов он занял второе место — сразу после Fable 5.

В рамках этого индекса Kimi K3 в среднем обходится в 0,94 доллара за каждую задачу. GPT-5.6 Sol — 1,04 доллара, Opus 4.8 — 1,80 доллара. При этом в тестах надёжности знаний уровень галлюцинаций вырос с 39% до 51%, а точность — с 33% до 46%.

Посмотреть Оригинал

На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .

Награда
лайк
комментарий
Репост
Поделиться

комментарий

Добавить комментарий

Нет комментариев

Популярные темы
Подробнее
#
PreIPOsSeason2OpenAISubscription
1,21M Популярность
#
GateDEXIntegratesWithRobinhoodChain
696,11K Популярность
#
IsraelStrikesIranBTCPlunges
72,31K Популярность
#
TSMCQ2NetProfitSurges77%
215,73K Популярность
#
SummerCreationCamp
939,32K Популярность

Закреплено

Карта сайта

Сторонняя оценка: агент Kimi K3 K3 приближается к задачам Fable 5, но также допускает больше галлюцинаций

Популярные темы

PreIPOsSeason2OpenAISubscription

GateDEXIntegratesWithRobinhoodChain

IsraelStrikesIranBTCPlunges

TSMCQ2NetProfitSurges77%

SummerCreationCamp

Закреплено