Kimi K3 Max在内部知识工作基准上超越Claude Opus和GPT-5.5

精选理由

Kimi K3 Max在三个内部知识工作基准上全面超过Claude Opus和GPT-5.5，适合关注智能体工作流的人看看。

AI 摘要

Kimi K3 Max在Kimi内部知识工作基准上获得三项得分：Online Exp Bench 75.5分，DECK-Bench 73.5分，Finance-Bench 62.6分。这些基准测试模拟真实用户Agent工作流中的常见任务。三项成绩均超过Claude Opus 4.8（max）和GPT-5.5（xhigh）。这表明Kimi K3 Max在Agentic知识工作上的能力和可靠性有所提升。

原文 · AI Will

在 Kimi 内部知识工作 benchmark 上，Kimi K3 Max 也有稳定提升。这些测试来自真实用户-Agent 工作流中的常见任务和挑战。 Kimi K3 Max 得分： Onli...

在 Kimi 内部知识工作 benchmark 上，Kimi K3 Max 也有稳定提升。这些测试来自真实用户-Agent 工作流中的常见任务和挑战。 Kimi K3 Max 得分： Online Exp Bench：75.5 DECK-Bench：73.5 Finance-Bench：62.6 三项都超过 Claude Opus 4.8（max）和 GPT-5.5（xhigh）。这说明 Kimi K3 在 Agentic 知识工作上的能力和可靠性都有提升。 💬 1 🔄 0 ❤️ 0 👀 40 📊 1 ⚡

Simon Willison’s Weblog07-16 23:34原文

查看原推