产品应用7

实测：Kimi K2“吊打”阿里Qwen-3 Coder

探索AGI2025-07-28

AI 摘要

作者实测：在真实项目中，Kimi K2任务成功率93%，Qwen - 3 Coder仅47%。Kimi K2指令遵循、Bug修复等表现更好，成本低3.3倍，作者更推荐Kimi K2用于代码开发。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Opus 5通关测试：强模型需简单环境

ARC Prize官方给Opus 5的ARC - AGI - 3成绩为30.2%，但开发者Jeremy Berman让其借助电脑，正确率飙升至96.2%。还开源代码，换用Codex等测试效果差。表明模型强时，简单环境更佳。

LLM大爆发，一天内推出Grok 4.6、Qwen3.8 - Max、DeepSeek - V4 - Pro - 0813三款前沿产品。社区对它们进行多场景测试，如3D场景、Flappy游戏、飞机滑行动画等，并对比了不同模型的性能、价格和输出质量。

作者花大成本从后端、人味、前端、推理等维度，对glm 5.2、kimi k3等国产模型进行测试，展示各模型在不同测试中的结果，指出国模2T俱乐部的kimi和qwen下限高，且刻板印象需改变。

作者对GLM - 5.2、Opus 4.8和GPT 5.5进行两项测试。一是审计Skill体系，GLM - 5.2覆盖skill数多、找出冲突多，还挖出bug；二是做世界杯夺冠推演器网站，Opus表现出色，GLM - 5.2省token，Codex有巧思但结构有缺陷。