Avaliação de terceiros: a tarefa do agente Kimi K3 se aproxima da Fable 5, mas também tem mais alucinações

De acordo com o monitoramento Beating da , a Artificial Analysis publicou uma avaliação independente do Kimi K3. Ele obteve 57 pontos no Intelligence Index v4.1. O nível geral é semelhante ao do Claude Opus 4.8 e ao do GPT-5.5, mas ainda fica abaixo do Claude Fable 5 e do GPT-5.6 Sol. Esse índice composto é formado por 9 testes, cobrindo trabalho real, chamadas de ferramentas, programação, raciocínio, conhecimento e contexto longo.

O desempenho de Agent do Kimi K3 se destaca mais. Ele obteve 1668 Elo no teste de trabalho real GDPval-AA v2, superando Opus 4.8, GPT-5.5 e GLM-5.2. No teste de fluxos de trabalho automatizados em SaaS, a pontuação foi de 53%, ficando em primeiro lugar. No trabalho de conhecimento em longos fluxos, ficou em segundo lugar, apenas atrás do Fable 5.

Nessa lista de índices, o Kimi K3 tem um custo médio de US$ 0,94 por tarefa. O GPT-5.6 Sol fica em US$ 1,04, enquanto o Opus 4.8 é de US$ 1,80. Porém, a taxa de alucinação nos testes de confiabilidade do conhecimento subiu de 39% para 51%, e a precisão aumentou de 33% para 46%.
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
  • Recompensa
  • Comentário
  • Repostar
  • Compartilhar
Comentário
Adicionar um comentário
Adicionar um comentário
Sem comentários
  • Fixado