Kimi K3 很强但 Arena 评分被高估，类似 Llama 4

Kimi K3 是一个好模型，但人们再次过度解读 Arena 排行榜的 ELO 分数，就像之前对 Llama 4 那样。Arena 用户评分的 ELO 有局限性，前端是文本聊天，容易通过训练或系统提示让用户主观偏好表现更好，偏离真实能力评估。