[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-art-89332":3},{"itemId":4,"vertical":5,"category":6,"source":7,"score":8,"title":9,"summary":10,"analysis":11,"url":12,"coverUrl":13,"direction":13,"marketSignal":13,"publishedAt":14},"89332","ai","技巧与观点","Simon Willison 博客",68,"Kimi K3 与鹈鹕基准测试还能教我们什么","Simon Willison撰文分析Kimi K3基准表现:超越Opus 4.8和GPT-5.5,但逊于Fable 5和GPT-5.6 Sol","独立开发者Simon Willison用他标志性的“鹈鹕骑自行车”SVG测试对Kimi K3做了实测,并结合Artificial Analysis的评测数据,给出一份相对克制、偏技术向的第三方解读。\n\n· 确认K3是2.8万亿参数、号称首个“3T级”开源模型,取代此前DeepSeek V4 Pro 1.6T的纪录,自评基准多数超过Claude Opus 4.8 max和GPT-5.5 high,但不敌Claude Fable 5和GPT-5.6 Sol\n· Artificial Analysis数据显示,K3在长时程知识工作评测中Elo达1547,比K2.6提升732分,仅次于Claude Fable 5,单任务成本0.94美元,约为Opus 4.8的一半\n· 定价为每百万输入token 3美元、输出15美元,与Anthropic的Claude Sonnet系列同档,是中国实验室迄今发布的最贵模型\n· 作者用llm-openrouter实测生成“鹈鹕骑自行车”SVG这一非正式基准,作为对模型实际表现的直观补充\n\n第三方独立评测和非正式测试的加入,让K3的实力评价不再只依赖厂商自报数据,业内对其真实定位有了更立体的参照。","https:\u002F\u002Fsimonwillison.net\u002F2026\u002FJul\u002F16\u002Fkimi-k3\u002F#atom-everything",null,"2026-07-17 04:19:30"]