Kimi K3
数据来源:AIHOT
上线日期: 2026-07-16 · 上下文: 104.9万 Token
开源权重 ↗综合排名 27
官方 API 价格 ¥ / 百万 Token
- 输入
- ¥20
- 输出
- ¥100
- 缓存命中
- ¥2
领域能力
| 榜单 | 名次 | 评分 | 评测数 |
|---|---|---|---|
| 综合 | 27 | 62.9 | 55 |
| 编程 | 35 | 60 | 16 |
| 科研 | 34 | 62.6 | 13 |
| 专业办公 | 31 | 64.9 | 13 |
| 知识问答 | 17 | 66.8 | 8 |
编程 · 60
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| ProgramBench ↗ 只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。 | Vals AI | 2.0% | 77.2 | 11 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| Vibe Code Bench v1.1 ↗ 按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。 | Vals AI | 85.0% | 66.8 | 22 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MirrorCode ↗ 看不到源码,只能运行原程序、读文档,用另一种语言把整个程序重写出来。 | Epoch AI | 54.4% | 64.8 | 18 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Agentic Coding ↗ 在真实代码仓库里查找并修复问题,再用测试检查改动。 | LiveBench | 62.2% | 64.5 | 10 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| APEX-SWE ↗ 在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。 | Mercor | 48.0% | 62.5 | 21 | 2026-11-18 | 备注代表配置:Max 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。 |
| SciCode ↗ 把物理、化学、生物等科研问题写成能运行、算得对的计算代码。 | Artificial Analysis | 59.5% | 61.9 | 18 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Coding ↗ 写函数、补全代码,题目定期换新,答案自动跑测试核对。 | LiveBench | 81.4% | 61.6 | 10 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| FrontierSWE v2 ↗ 每次最多给 20 小时,完成编程、性能优化或科研计算这类大任务。 | Proximal Labs | 28.3% | 60.3 | 17 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Cognition | 18.4% | 59.3 | 89 | 2026-11-18 | 备注代表配置:Max 推理 · Devin CLI。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| TapTap Maker ↗ 在真实游戏引擎里用 Lua 写出能跑起来的游戏功能,由引擎实际运行判对错。 | TapTap Maker | 72.5% | 59.3 | 28 | 2026-11-18 | 备注代表配置:完整系统 · claude。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。 | Terminal-Bench | 23.0% | 59 | 44 | 2026-11-18 | 备注代表配置:Max 推理 · Claude Code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| CyberBench Patch v1.1 ↗ 修开源项目的安全漏洞,检查能否编译、拦住原攻击并保留正常行为。 | Vals AI | 82.1% | 58.1 | 32 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Vals AI | 17.2% | 57.2 | 43 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Artificial Analysis | 12.6% | 56.3 | 121 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| WeirdML v3 ↗ 面对陌生数据,弄清问题并做出机器学习或数据分析方案。 | Håvard Tveit Ihle | 6.8% | 54.2 | 19 | 2026-11-18 | 备注代表配置:High 推理 · kimi_code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Artificial Analysis | 10.9% | 52.8 | 107 | 2026-11-18 | 备注代表配置:Low 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Code Migration v1.1 ↗ 把现有程序改写成另一种编程语言,用隐藏测试检查行为是否一致。 | Vals AI | 28.6% | 50.4 | 24 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
科研 · 62.6
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| BioMysteryBench ↗ 分析真实的生物数据,推断出背后的生物学答案。 | Vals AI | 72.6% | 67.4 | 13 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt ↗ 物理研究前沿的原创难题,要一步步推导出准确答案。 | Artificial Analysis | 23.4% | 67.1 | 60 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Reasoning ↗ 斑马谜题、空间推理、情境推理这类题,答案自动核对。 | LiveBench | 90.7% | 66.9 | 34 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| CritPt v2 Hard ↗ 修订版研究级物理题里较难的 40 道,可以写代码辅助演算。 | Artificial Analysis | 40.5% | 64.7 | 69 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Humanity's Last Exam ↗ 数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。 | Artificial Analysis | 46.9% | 63.3 | 49 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierMath T1–3 ↗ 解数学家原创的高难数学题,给出可以核对的答案。 | Epoch AI | 72.2% | 62.8 | 30 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| 司南 · 抽象 ↗ 考查注意与扫描、语言理解、识别相关信息和抽象概念。 | OpenCompass | 67.5% | 61.8 | 17 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| 司南 · 推理 ↗ 逻辑、数量、空间与物理推理,以及批判性思维。 | OpenCompass | 72.5% | 60.9 | 20 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Artificial Analysis | 8.1% | 60 | 83 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| ARC-AGI-2 ↗ 从几个网格图案的例子中找出变换规则,再解一道新题。 | ARC Prize | 60.4% | 59.5 | 104 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Chess Puzzles ↗ 看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。 | Epoch AI | 36.0% | 57.7 | 55 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Mystery Game Puzzles ↗ 看文字描述的游戏局面,找出最好的下一步。 | Epoch AI | 26.0% | 56.5 | 48 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Vals AI | 1.4% | 56.4 | 40 | 2026-11-18 | 备注通过率低于 5%,只说明“至多这么强”。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
专业办公 · 64.9
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Legal Research Bench ↗ 像律师一样查法规和判例,写出有出处的结论。 | Vals AI | 46.2% | 69.5 | 21 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Harvey LAB-AA v1.1 ↗ 读法律资料并完成文书,逐项评分,有重大捏造则该题记零。 | Artificial Analysis | 5.3% | 68.9 | 19 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Excel Modeling v1.1 ↗ 在 Excel 里搭财务模型:在模板上补全,或者从零建表。 | Vals AI | 71.3% | 68.3 | 18 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Harvey 法律 Agent 基准 v1.1 ↗ 处理法律资料,交付 Word、Excel、幻灯片等能直接审阅的文件。 | Vals AI | 12.9% | 68.2 | 18 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| TaxAgentBench ↗ 回答税务专业问题,要查到税法依据并注明出处。 | Vals AI | 33.4% | 68.1 | 22 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Briefcase ↗ 完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。 | Artificial Analysis | 1,497.1 | 67.4 | 57 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AutomationBench-AA ↗ 在模拟办公软件中处理业务流程,按完成目标和守规情况评分。 | Artificial Analysis | 58.3% | 66.1 | 78 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Data Analysis ↗ 处理表格重排、表格连接和连续事件分析等数据题。 | LiveBench | 78.7% | 65.8 | 22 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| Finance Agent v2.1 ↗ 金融分析师的日常工作:查公司财报、做计算和分析。 | Vals AI | 60.0% | 64.8 | 31 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| GDPval-AA ↗ 按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。 | Artificial Analysis | 1,542.3 | 64 | 58 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Analyst Agent ↗ 分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。 | Artificial Analysis | 38.8% | 62.4 | 35 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| τ³-Banking ↗ 扮演银行客服跟模拟客户对话:查政策、找产品、改账户。 | Mercor | 34.7% | 60.6 | 37 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| APEX-Agents ↗ 投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。 | Mercor | 47.8% | 59.2 | 48 | 2026-11-18 | 备注代表配置:Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。 |
| MedCode ↗ 读住院记录,给出标准的医疗诊断编码。 | Vals AI | 49.4% | — | 23 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
知识问答 · 66.8
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| BullshitBench v2 ↗ 问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。 | BullshitBench | 74.0% | 84.4 | 23 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| NYT Connections 扩展版 ↗ 把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。 | Lech Mazur | 93.6% | 75.9 | 19 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| LiveBench Language ↗ 纠正错字、把打乱的情节排回原序、给词语分组等语言题。 | LiveBench | 85.5% | 68.9 | 14 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| AA-LCR ↗ 读很长的文档,回答要把多处信息串起来才能答的问题。 | Artificial Analysis | 88.7% | 67.4 | 1 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MLCR-AA ↗ 读很长的医疗记录回答问题,答案要完整且不能违背原始记录。 | Artificial Analysis | 21.7% | 66.1 | 56 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| 司南 · 知识 ↗ 应用科学、日常生活、自然科学和人文社科等方面的知识题。 | OpenCompass | 70.0% | 65 | 10 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench IF ↗ 按一串具体的格式和内容要求作答,看能不能条条做到。 | LiveBench | 71.4% | 62.8 | 14 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| SimpleQA Verified ↗ 一句话就能答的事实问题,看答得对不对。 | Epoch AI | 50.6% | 59.4 | 31 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Omniscience v1.1 ↗ 各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。 | Artificial Analysis | -1.7 | 50 | 100 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Low 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
真人盲选 · 65.2
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Arena WebDev ↗ 真人匿名比较两个模型做出来的网页,选更好的那个。 | LMArena | 1,657.7 | 67.7 | 20 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Arena Text ↗ 真人匿名比较两个模型的回答,投票选出更好的回答。 | LMArena | 1,487.4 | 65 | 20 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
还没有成绩的评测
- 致知 · 逻辑月榜
- MysteryMechanism
最近的新闻
11-13不用显卡:玩家用停产英特尔傲腾内存跑通 2.8 万亿参数 Kimi K3,每秒输出 1.5 词元IT之家·人工智能
10-23Kimi-K3 以 1679 分登顶 Arena 前端代码榜,超越 Claude Fable 5Arena
10-23Cerebras 如何用 59 片 WSE-3T 晶圆部署 3T 参数 Kimi K3Cerebras:Blog
10-18英伟达优化 Kimi K3 推理速度,GB300 NVL72 上提升 1.68 倍IT之家·人工智能
10-17vLLM 团队详解 Kimi K3 解码优化:GB300 上 842 tokens/s 与快速验证方法vLLM 官方博客
10-16vLLM 解析 Kimi K3 在 AMD Instinct MI355X 上的推理优化,单 GPU 吞吐超 NVIDIA HGX B300 24.4%vLLM 官方博客