Kimi K3.1 Pro 这次的跑分确实有点猛，已经能跟 Claude Opus 5.5、GPT-6 Astra 正面较量了。 看几个比较有代表性的成绩（… · @xulijian1994 · TwKit

@xulijian1994

Kimi K3.1 Pro 这次的跑分确实有点猛，已经能跟 Claude Opus 5.5、GPT-6 Astra 正面较量了。 看几个比较有代表性的成绩（官方 Max 档）： SWE Marathon：51.7%，超过 Opus 5.5 的 46.3% 和 GPT-6 Astra 的 42.5%。 Terminal-Bench 4.0：65.7%，距离 Opus 5.5 的 66.4% 只差 0.7 个百分点。 DeepSWE：75.5%，超过 Opus 5.5 的 74.2%，但略低于 DeepSeek V4.1 Flash 的 77.0%。 HLE（带工具）：70.0%，超过 Opus 5.5 的 67.7% 和 GPT-6 Astra 的 57.2%。 当然也不是全面领先，ProgramBench 只有 31.5%，明显落后于 Opus 5.5 的 65.0%。 整体看下来，我觉得 K3.1 Pro 已经是第一梯队的有力竞争者了，尤其是长时间编程任务和工具调用方面表现突出。不过这毕竟是官方跑分，而且都是 Max 思考档位，后续还得看独立评测能不能复现。

曝光 10 · 评论 0 · 点赞 1 · 书签 0