开源阵营又把「能干活的 agent 模型」往前推一截:编码与长程工具调用涨分,同时用数据清洗把攻击面压到自家管道能产的水平之下。
事实
- K3.1 Pro 是 K3 的强化后训练版,宣称百万 token 上下文;另发 Highspeed,速度约 2–3×。今日起上 Kimi.ai / Work / Code / API,完整权重计划 11 月 4 日前开放。
- Terminal-Bench 4.0 报 65.7%(高于文中 GPT-6 Astra 58.2%,略低于 Claude Opus 5.5 的 66.4%);内部长程编码榜相对 K3 从 55.95% 提到 61.2%;金融幻觉压力测 claim 级幻觉率从 23.4% 降到 8.3%。
- 网络安全:清洗中训与 RL 里的漏洞研究数据后,内部 xdev-bench-hard pass@3 从「未清洗」90.5% 降到 81.0%,仍宣称落后已公开三个月以上的闭源前排;本榜约 702 分 / 446 评。
解读
- 对 Afizzy:开源/API 选型又多一个「能长时间抠工具」的候选;但评论里订阅五小时配额、工具调用过多导致慢,是真实产品摩擦。
- 「先削 cyber 再开权重」是明确策略:不为绝对前沿攻击力负责,又打算以后逐步抬开放能力——监管与开源社区会同时盯。
- 术语平讲:后训练=基座训完后再用偏好/RL 等对齐下游;Terminal-Bench=在真实受限终端任务上考 coding agent。
讨论
- 正方有人数据分析和 Pac-Man bench 上觉得性价比贴 Sonnet;性格更直、会顶嘴,有人当优点。
- 反方多人抱怨 $99 套餐很快撞 5 小时限额;有人推理痕迹里自称 ChatGPT / 提「评审员」,质疑身份一致性。
- 共识能力在涨,配额与延迟决定能不能当主力;开源权重落地后才能认真比本地部署。
- 有人注意到官方写明不把进攻性网络能力放到开源绝对前沿——跨辖区对齐思路在趋同。