Arize AI 与 Fireworks AI 测试 10 模型，Kimi K3 接近 GPT-5.5

Arize AI 与 Fireworks AI 联合对 10 个模型进行了 2400 次 agent 运行基准测试，包括 Kimi K3。结果显示，Kimi K3 在整体表现上接近 GPT-5.5。不同模型在不同任务类型上各有优势，按任务难度路由可同时优化成本和覆盖率。重试和静默故障显著改变了经济性。开发者应关注每次成功任务的成本而非 token 价格。