Kimi K3.1 Pro 疯了吧，官方那张 14 项的对比图里有 9 项超过了 Opus 5.5 SWE Marathon 51.7 对 46.3，HLE… · @ScarletKc · TwKit

@ScarletKc

Kimi K3.1 Pro 疯了吧，官方那张 14 项的对比图里有 9 项超过了 Opus 5.5 SWE Marathon 51.7 对 46.3，HLE 带工具 70.0 对 67.7，OfficeQA Pro v2 和 Agents' Last Exam 也都压过去了。完整表格里的 DeepSWE 也赢了，75.5 对 74.1 Terminal-Bench 4.0 是 65.7 对 66.4，就差 0.7，而且是用 Claude Code 当 harness 跑的，拿人家的工具差点把人家超了 幻觉率更夸张，带工具的 Hard 测试 K3.1 Pro 8.3%，Opus 5.5 是 15.0%，差不多只有一半 唯一被明显拉开的是 Terminal-Bench Science，38.1 对 63.3 2.8T 总参数 104B 激活，1M 上下文，还是开源权重，11 月 4 号前放出来

曝光 1215 · 评论 5 · 点赞 10 · 书签 1