Kimi K3統治前端代碼，卻在複雜數學上慘敗
moonshot的kimi k3以1,679分位居code arena: frontend榜首，但在frontiermath tier 4上僅獲39%準確率，顯示出其專業性優於通用推理。
Moonshot 的 Kimi K3 成為首個在 Code Arena: Frontend Benchmark 中奪得榜首的中國模型，根據人類偏好獲得 1,679 分，超越 Claude Fable 5 和 GPT-5.6 Sol 等競爭對手。儘管在編碼方面表現出色，但該模型在複雜的數學推理方面卻苦苦掙扎，在 FrontierMath Tier 4 的最難任務中僅取得 39% 的準確率，而 OpenAI 和 Anthropic 的模型則接近 90%。這種差異凸顯了 Kimi K3 的特殊性能簡介，即在實用編碼應用中表現出色，但在抽象問題解決領域卻落後。