广场
最新
热门
资讯
我的主页
发布
第三方评测：Kimi K3 Agent任务逼近Fable 5，但幻觉也更多了
区块律动
2026-07-17 02:37:25
关注
据动察 Beating 监测，Artificial Analysis 发布 Kimi K3 独立评测。它在 Intelligence Index v4.1 获 57 分。整体水平与 Claude Opus 4.8、GPT-5.5 相当，仍低于 Claude Fable 5 和 GPT-5.6 Sol。这个综合指数由 9 项测试组成，覆盖真实工作、工具调用、编程、推理、知识和长上下文。
Kimi K3 的 Agent 表现更突出。它在真实工作测试 GDPval-AA v2 获 1668 Elo，超过 Opus 4.8、GPT-5.5 和 GLM-5.2。自动化 SaaS 工作流测试得分 53%，排名第一。长流程知识工作排名第二，仅次于 Fable 5。
在这套指数中，Kimi K3 平均每项任务成本 0.94 美元。GPT-5.6 Sol 为 1.04 美元，Opus 4.8 为 1.80 美元。不过，它在知识可靠性测试中的幻觉率从 39% 升至 51%，准确率则从 33% 升至 46%。
此页面可能包含第三方内容，仅供参考（非陈述/保证），不应被视为 Gate 认可其观点表述，也不得被视为财务或专业建议。详见
声明
。
赞赏
点赞
评论
转发
分享
评论
请输入评论内容
请输入评论内容
评论
暂无评论
热门话题
查看更多
#
PreIPOs第二期OpenAI认购
131.16万 热度
#
盘前合约上线长鑫存储
8.26万 热度
#
台积电Q2净利暴增77.4%
21.49万 热度
#
夏日创作营
93.67万 热度
#
USDT充值理财双重奏
2915.16万 热度
置顶
网站地图
第三方评测：Kimi K3 Agent任务逼近Fable 5，但幻觉也更多了
Kimi K3 的 Agent 表现更突出。它在真实工作测试 GDPval-AA v2 获 1668 Elo，超过 Opus 4.8、GPT-5.5 和 GLM-5.2。自动化 SaaS 工作流测试得分 53%，排名第一。长流程知识工作排名第二，仅次于 Fable 5。
在这套指数中，Kimi K3 平均每项任务成本 0.94 美元。GPT-5.6 Sol 为 1.04 美元，Opus 4.8 为 1.80 美元。不过，它在知识可靠性测试中的幻觉率从 39% 升至 51%，准确率则从 33% 升至 46%。