廣場
最新
熱門
新聞
我的主頁
發布
第三方評測：Kimi K3 Agent 任務逼近 Fable 5，但幻覺也更多了
区块律动
2026-07-17 02:37:25
關注
據動察 Beating 監測，Artificial Analysis 發布 Kimi K3 獨立評測。它在 Intelligence Index v4.1 獲 57 分。整體水平與 Claude Opus 4.8、GPT-5.5 相當，仍低於 Claude Fable 5 和 GPT-5.6 Sol。這個綜合指數由 9 項測試組成，涵蓋真實工作、工具調用、程式編寫、推理、知識與長上下文。
Kimi K3 的 Agent 表現更突出。它在真實工作測試 GDPval-AA v2 獲 1668 Elo，超過 Opus 4.8、GPT-5.5 和 GLM-5.2。自動化 SaaS 工作流測試得分 53%，排名第一。長流程知識工作排名第二，僅次於 Fable 5。
在這套指數中，Kimi K3 平均每項任務成本 0.94 美元。GPT-5.6 Sol 為 1.04 美元，Opus 4.8 為 1.80 美元。不過，它在知識可靠性測試中的幻覺率從 39% 升至 51%，準確率則從 33% 升至 46%。
查看原文
此頁面可能包含第三方內容，僅供參考（非陳述或保證），不應被視為 Gate 認可其觀點表述，也不得被視為財務或專業建議。詳見
聲明
。
打賞
按讚
回覆
轉發
分享
回覆
請輸入回覆內容
請輸入回覆內容
回覆
暫無回覆
熱門話題
查看更多
#
PreIPOs第二期OpenAI認購
131.16萬 熱度
#
盤前合約上線長鑫存儲
8.26萬 熱度
#
台積電Q2淨利暴增77.4%
21.49萬 熱度
#
夏日創作營
93.67萬 熱度
#
USDT充值理財雙重奏
2915.16萬 熱度
已置頂
網站地圖
第三方評測：Kimi K3 Agent 任務逼近 Fable 5，但幻覺也更多了
Kimi K3 的 Agent 表現更突出。它在真實工作測試 GDPval-AA v2 獲 1668 Elo，超過 Opus 4.8、GPT-5.5 和 GLM-5.2。自動化 SaaS 工作流測試得分 53%，排名第一。長流程知識工作排名第二，僅次於 Fable 5。
在這套指數中，Kimi K3 平均每項任務成本 0.94 美元。GPT-5.6 Sol 為 1.04 美元，Opus 4.8 為 1.80 美元。不過，它在知識可靠性測試中的幻覺率從 39% 升至 51%，準確率則從 33% 升至 46%。