精选理由
Kimi K3 在真实工程任务基准上拿了 58.2%，而且在 Devin 里特别擅长修 bug 和管理环境，值得做开发的看看。
Cognition 发布 FrontierCode 1.1 Extended 基准，用于评估真实工程任务的合并性与质量。Kimi K3 在该基准上取得 58.2% 的得分和 63.6% 的通过率。在 Devin 环境下，Kimi K3 在复现漏洞和环境管理方面表现突出。该结果来自 devin.ai/blog/kimi-k3。
原文 · Cognition
On FrontierCode 1.1 Extended, our benchmark for real-world engineering tasks that grades mergeabilit...
On FrontierCode 1.1 Extended, our benchmark for real-world engineering tasks that grades mergeability and quality, Kimi K3 scores 58.2% with a 63.6% pass rate. Within Devin, it excels on reproducing bugs and managing its environment effectively. devin.ai/blog/kimi-k3 💬 1 🔄 1 ❤️ 22 👀 2286 📊 4 ⚡