WWW.YOUINFO.SITE
标签聚合 看不清

/tag/看不清

linux.do · 2026-04-21 13:47:23+08:00 · tech

官方的benchmark很全面,但是有点看不清楚,我换成排名的方式感觉更清楚点。 生成表格的代码是AI写的。。想了想还是截图吧 官方原始的benchmark: kimi.com Kimi K2.6 Tech Blog: Advancing Open-Source Coding Kimi K2.6 advances open-source coding, featuring long-horizon coding, coding-driven design, agent swarms, proactive agents, and the Claw Groups research preview. 总结 可以看出kimi k2.6不是总的第一哦,所以说k2.6只有跑分是不对的,因为跑分不是第一。 (opus4.6拉了是因为vision严重拖了后腿 佬可以看下面的图) 其中有两个项目只有k2.6和k2.5。 各位佬可以看下面。 Agentic 这个表现很亮眼 但是注意了 这里其中两个榜只有k2.6和2.5 也可以看到opus几乎没掉出过前三(除了toolathlon是第四 Coding coding只有SWE-Bench Pro第一了,这个是长任务,此前其他模型还没针对性优化长任务,比如opus 4.7也是重点优化了这个。但是也说明kimi k2.6针对长任务能更好工作(注意glm5.1这项分数是58.4 所以k2.6是开源第一了) Reasoning & Knowledge 除去IMO-AnswerBench是第三 k2.6和k2.5包揽了最后两名 这项测试和第一梯队还有差距 Vision 没掉出前三 大部分是第3 GPT这里的能力是真强 大部分是第一 Opus分析的总排名拉就是因为Vision不太行 基本垫底了 好了 通过转化为rank的方式可以让佬更直观点看模型能力。 所以 别说“只有跑分”这个站不住脚的结论啦~ 再补一个个分类overall: (agentic overall那里还是提醒下 有两个测试只有k2.5和k2.6 踢掉的话 k2.6就不是第一了) 13 个帖子 - 7 位参与者 阅读完整话题