Kimi K3、フロントエンドコードを席巻も、複雑な数学では失敗

MoonshotのKimi K3は、Code Arena：Frontend Benchmarkでトップの座を獲得した初の中国製モデルであり、 人間の好みに基づいて1,679点を獲得し、Claude Fable 5やGPT-5.6 Solなどのライバルを上回った。 このコーディング能力にもかかわらず、モデルは複雑な数学的推論に苦労し、 FrontierMath Tier 4の最も難しいタスクではわずか39%の精度を達成し、 OpenAIやAnthropicのモデルではほぼ90%であった。 このような性能の乖離は、Kimi K3が実用的なコーディングアプリケーションでは優れているものの、抽象的な問題解決ドメインでは遅れていることを示す、特殊なパフォーマンスプロファイルを示している。