Kimi K3.1 Pro 跑分领先但盲测仅小幅胜 DeepSeek V4.1 Flash

xiax｜AI & Agents @xiax0603原推发布于 2026.10.25

在 X 上打开原推

🚨跑分骗局被戳穿！Kimi K3.1 Pro专项碾压DeepSeek V4.1 Flash 1017，实战差距微乎其微💥看着遥遥领先，实战只强一点点，价格却贵5倍！ Terminal-Bench的分数看上去Kimi K3.1 Pro遥遥领先，差距拉得十分夸张。 但Agent Arena真实盲测结果出炉，Kimi K3.1 Pro排在第11名，+7.6%；DeepSeek V4.1 Flash 1017排在第13名，+4.4%。 道理很简单，Terminal-Bench相当于固定试卷，模型可以针对性刷题冲高分； Agent Arena是随机任务盲考，贴近真实使用场景，没法提前定向优化。 Kimi K3.1 Pro仅仅只是小幅领先，调用成本却贵5倍以上。而DeepSeek V4.1 Flash 1017够用、便宜，速度还更快。 靠专项调优拿到的漂亮跑分，放到真实落地场景里就失去了说服力。 你判断模型实力，更相信定向刷出来的跑分，还是无滤镜的盲测对战？

这条是引用着另一条写的：x.com/xiax0603/status/2114279934080524657