Kimi K3 max vs GPT-5.6 Sol max：DeepSWE基准对比

Together Compute 团队在 DeepSWE 基准上对比了 Kimi K3 max 和 GPT-5.6 Sol max。单次测试 pass@1 中 GPT 为 72.7%，Kimi 为 68.5%；但多次测试中 Kimi 反超，pass@4 达 89.4% 对 GPT 的 85.8%。成本方面 Kimi 约 $4.65/rollout，GPT 约 $8.37；每 $100 预算 Kimi 可解 14.7 题，GPT 仅 5.3 题。语言专长上 Kimi 在 Rust 更强（65-60），GPT 在 Python/TS/JS 更强。两模型任务级相关仅 0.46，组合覆盖率达 95.6%，推荐级联策略：先 Kimi 再 GPT，可达到 85.6% 解题率且成本更低。