模型發布
Kimi K3代理工作評測居次
X @ArtificialAnlys
上週發布的 2.8T 參數模型 Kimi K3，在 Artificial Analysis Intelligence Index 獲得 57 分，並於代理知識工作基準 AA-Briefcase 取得 1543 Elo，僅次於 Claude Fable 5 的 1574。相較 Kimi K2.6 的 816，Kimi K3 提升 727 分，分析品質表現突出，但簡報呈現品質相對較弱。其每項任務平均成本為 10.57 美元、耗時 56.4 分鐘，且執行成本高於 Claude Opus 4.8，顯示效能伴隨明顯的成本與延遲限制。
讀原始報導背景
AA-Briefcase 是由 Artificial Analysis 開發的代理式知識工作基準測試，用來比較 AI 模型處理這類任務時的效能；相關評估亦會觀察速度與成本。Artificial Analysis Intelligence Index v4.1 則整合 GDPval-AA v2、Terminal-Bench v2.1、SciCode 等 9 項評估。