据動察 Beating 監測,AI 資料公司 Datacurve 將 Kimi K3 加入長程軟體工程基準 DeepSWE。這個基準測試模型能否獨立完成真實、複雜的長期開發任務。
Kimi K3 的任務通過率為 69%。GPT-5.6 Sol 和 Claude Fable 5 分別為 73% 和 70%。Datacurve 稱,Kimi K3 是首個在 DeepSWE 達到前沿閉源模型水平的開放權重模型。
DeepSWE 包含 113 項原創任務,來自 91 個活躍開源專案,覆蓋 5 種編程語言。所有模型使用同一套工具。任務也不直接改編自已有程式碼提交,以減少訓練數據污染。
Kimi K3 每項任務平均成本為 4.65 美元。GPT-5.6 Sol 為 8.39 美元,Claude Fable 5 為 21.63 美元。