تقييم طرف ثالث: يقترب وكيل Kimi K3 من مهام Fable 5، لكن الهلاوس أصبحت أكثر أيضًا

وفقًا لمراقبة Beating، نشرت Artificial Analysis تقييماً مستقلاً لـ Kimi K3. حقق 57 نقطة في Intelligence Index v4.1. ويعادل إجمالاً مستوى Claude Opus 4.8 وGPT-5.5، لكنه لا يزال أقل من Claude Fable 5 وGPT-5.6 Sol. يتكوّن هذا المؤشر المركّب من 9 اختبارات، تغطي الأعمال الواقعية، واستدعاء الأدوات، والبرمجة، والاستدلال، والمعرفة، والسياق الطويل.

تتألق نتائج Kimi K3 أكثر في اختبارات الـ Agent. ففي اختبار الأعمال الواقعية GDPval-AA v2 سجل 1668 Elo، متفوقاً على Opus 4.8 وGPT-5.5 وGLM-5.2. وفي اختبار سير عمل SaaS الآلي، بلغ 53%، وجاء في المرتبة الأولى. واحتل في ترتيب الأعمال المعرفية ذات التسلسل الطويل المرتبة الثانية، خلف Fable 5 مباشرة.

ضمن هذه المجموعة من المؤشرات، بلغت تكلفة Kimi K3 لكل مهمة متوسطاً 0.94 دولار. أما GPT-5.6 Sol فبلغ 1.04 دولار، وOpus 4.8 بلغ 1.80 دولار. ومع ذلك، ارتفعت نسبة الهلوسة في اختبار موثوقية المعرفة من 39% إلى 51%، كما ارتفعت الدقة من 33% إلى 46%.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
  • أعجبني
  • تعليق
  • إعادة النشر
  • مشاركة
تعليق
إضافة تعليق
إضافة تعليق
لا توجد تعليقات
  • مُثبت