一句话判断
Kimi K3 在相同任务下以更低代价提供更完整游戏逻辑,值得进一步复现验证。
核心信息
Atomic Chat 的本地 LLM 桌面应用给 Kimi K3、GPT‑5.6 与 Opus 4ន三种模型同样任务,要求各自生成 Road Fighter、Battle City、Q*bert 三款自玩型 HTML 版复古游戏,包含图形、敌人фа和完整 AI 玩家。输出结果显示 Kimi K3 共 18.4K tokens,成本 $0.28;GPT‑5.6 18.1K tokens,$0.28;Opus 4.8 21.3K tokens,$0.54。Kimi K3 的 Q*bert 通过改变立方体状态、绕庙山移动并躲避敌人实现完整游戏循环;Opus 4.8 在大多数功能上存在错误,GPT‑5.6 虽有更好纹理但车/坦克逻辑不完整。
原始内容
相关动态
Kimi K3 在 SpreadsheetBench 2 上排名第一
Kimi K3 在 SpreadsheetBench 2 基准测试中排名第一,超越 Claude Fable 5,完成 34.8% 的 workflow 任务。该基准测试涉及 321 个专家策划任务,平均每个任务包含 11.8 个工作表和 593.5 个单元格更改,聚焦于完整的电子表格工作簿执行。
BestBlogs 早报 · 07-18
月之暗面发布Kimi K3,2.8万亿参数,896选16的Stable LatentMoE,上下文100万token,接近Fable-5但仍落后最强闭源模型,完整权重7月27日前开源;VentureBeat调查显示54%企业已发生AI代理安全事件;xAI开源Grok Build(84万行Rust代码)并残留上传用户代码痕迹;Cursor评...
Kimi K3 编码代理评测
Artificial Analysis发布Kimi K3在编码代理指数上的评测结果:得分57,排名第5,性能与GPT-5.6 Terra和GPT-5.5持平(57),超过Opus 4.8(55),略低于Grok 4.5(58)和Fable 5(59);成本平均3.18美元/任务,比GPT-5.6 Sol便宜55%。
InklingMoE模型发布
Thinkymachines 发布开源 MoE 模型 Inkling,总参数 975B、激活参数 41B、上下文长度 1M,支持文本、图像、音频的可控推理。
Runway Agent 在第三方评测中全面领先
Physion Labs 发布 Physion-Arc 1.0 基准测试,对 Runway、Luma、MiniMax、Kling、Utopia 和 TapNow 六款 AI 视频代理进行独立人类评估,使用 30 个电影提示和 16 个指标。Runway Agent 2.0 在叙事连贯性、电影语言和制作质量三项核心维度全部排名第一。