Chinese contentSWE-Prometheus：用 60 个代码仓库评测工程治理能力的新基准
给做代码智能体的朋友：这个新基准不测修 bug，测的是治理仓库，10 个模型里 Kimi-K3 在完整对比里表现最好，评分方法也挺有意思。
#Kimi-K3
17 stories · 0 in 7 days · 1 in 30 days
Stories, products and papers tagged "Kimi-K3", newest first.
9月25日
9月22日
Chinese contentarXiv 论文提出 opinion leader dynamics，解释稀疏注意力如何塑造 token 聚类
把 token 当粒子建模，还拿 Kimi-K3 和 DeepSeek-V4-Flash 实测验证，讲清稀疏注意力为啥省算力还不丢效果。
9月11日
Chinese contentSWE-2 在 Kimi-K3 上微调后，在 FrontierCode 基准上超越 SWE-1.7、Grok 4.6 和 GPT 5.6
Cognition 公司发布了 SWE-2，这个模型在 Kimi-K3 上微调后，在 FrontierCode 基准上表现更好，成本也更低。
8月30日
8月14日
Chinese contentArcee 开源 agent 工具 nac 并推出开放模型 API 测试版
Arcee 开源了 agent 工具 nac，能跑长时间任务，还出了 API 测试版，Fireworks 上也就能用 Kimi-K3 了。
7月28日
Chinese contentMoonshot AI 开源 Kimi-K3 多模态代理模型，2.8T 参数
Moonshot AI 开源了 Kimi-K3，2.8T 参数的大模型，在推理和代理基准上很强，但显存要求高，适合有硬件或想评估部署成本的人看看。
7月21日
Chinese contentKimi-K3在AI代码竞技场得分1679，超越Claude Fable 5
Kimi-K3在代码竞技场拿了1679分，比Claude Fable 5高48分，中国模型第一次赢美国模型，可以看看。
7月18日
Chinese contentKimi-K3在Frontend Code Arena上首次领先美国模型
月之暗面刚发的Kimi-K3直接打败了Fable，中国模型第一次在Frontend Code Arena登顶，开源领域又一大动静。
Chinese contentKimi-K3登顶Frontend Code Arena，超越Claude Fable 5
Kimi-K3刚拿了前端代码领域第一，全面超越Claude Fable 5，权重下月底就开源，搞AI的值得关注。
7月17日
Chinese contentKimi-K3以1679分登顶Frontend Code Arena，超越Claude Fable 5
Kimi新模型K3在前端代码基准上直接干到第一，比自家K2.6猛升17名，6个领域第一，很能打。
Chinese contentKimi-K3登顶前端代码竞技场，超越Claude Fable 5
月之暗面新模型Kimi-K3在代码排行榜上干掉了Claude Fable 5，六个子项第一，还承诺开源，看看能不能打。
Chinese contentKimi-K3 在 Frontend Code Arena 登顶，超越 Claude Fable 5
Kimi-Moonshot 的蒸馏模型 Kimi-K3 在前端编码基准上直接干翻了 Claude Fable 5，还开源权重，值得关注。
Chinese contentKimi-K3登顶Frontend Code Arena，胜率76%超越Claude Fable 5
Kimi-K3刚在代码前端评测中干翻Claude Fable 5，76%胜率，6个领域第一，权重还开源，绝对值得关注。
Chinese contentKimi K3在Text Arena排名第9，超越Kimi K2.6
Kimi发了K3，2.8万亿参数，Text Arena排名比上代涨了29位，代码和创意写作都进前十，权重7月开源值得关注。
Chinese contentKimi-K3 登顶 Frontend Code Arena，超越 Claude Fable 5
Kimi-K3 刚把 Claude Fable 5 从第一拉下来，前端代码评测全面领先，很快还会开源权重，玩编程的可以关注。
Chinese contentKimi-K3测评显示与海外SOTA差距缩小，GLM-5.2表现亮眼
有人真金白银实测了Kimi-K3，发现和海外顶级模型差距缩小了，在特定任务上仅次于fable-5，值得看看具体表现。
