Kimi K3
月之暗面· 2026-07-16 上线国产开源
综合第 16 名
54.9
编程
57.0第 11 名
科研
57.6第 17 名
专业办公
49.5第 26 名
知识问答
52.3第 30 名
- 评测覆盖
- 17 / 25 项 · 68%
- 缓存输入
- ¥2.00
- 输入
- ¥20.00
- 输出
- ¥100.00
价格：人民币 / 百万 Token。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| DeepSWE | 68.5% | 57.3 | max | 26 |
| FrontierCode | 44.2% | 55.4 | 未注明 | 46 |
| FrontierSWE | 25.9% | 45.4 | max | 21 |
| WebDev Arena | 1,674 | 63.7 | max | 96 |
| ALE-Bench | 1,524 | 57.2 | max | 88 |
| WeirdML | 82.6% | 63.0 | max | 60 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 72.2% | 55.1 | max | 66 |
| FrontierMath（4 级） | 39.0% | 49.1 | max | 57 |
| CritPt | 23.4% | 60.6 | max | 101 |
| ProofBench | 87.0% | 64.4 | 未注明 | 77 |
| OTIS Mock AIME | 97.2% | 54.8 | max | 87 |
| SciCode | 59.5% | 61.8 | max | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 50.6% | 50.2 | 未注明 | 49 |
| Vending-Bench 2 | $5,165 | 48.7 | 未注明 | 55 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 50.6% | 52.6 | max | 65 |
| GPQA Diamond | 93.1% | 54.9 | max | 84 |
| SimpleBench | 60.7% | 49.3 | max | 39 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| ARC-AGI-2 | 60.4% | 不计分 | max | 52 |
| ARC-AGI | 94.5% | 不计分 | max | 52 |
| 国际象棋谜题 | 37.0% | 不计分 | high | 88 |
原始成绩取这个模型各个推理档位（max、未注明、low、high）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。