比推消息，据监测，Artificial Analysis 发布 Kimi K3 独立评测。它在 Intelligence Index v4.1 获 57 分。整体水平与 Claude Opus 4.8、GPT-5.5 相当，仍低于 Claude Fable 5 和 GPT-5.6 Sol。这个综合指数由 9 项测试组成，覆盖真实工作、工具调用、编程、推理、知识和长上下文。Kimi K3 的 Agent 表现更突出。它在真实工作测试 GDPval-AA v2 获 1668 Elo，超过 Opus 4.8、GPT-5.5 和 GLM-5.2。自动化 SaaS 工作流测试得分 53%，排名第一。长流程知识工作排名第二，仅次于 Fable 5。在这套指数中，Kimi K3 平均每项任务成本 0.94 美元。GPT-5.6 Sol 为 1.04 美元，Opus 4.8 为 1.80 美元。不过，它在知识可靠性测试中的幻觉率从 39% 升至 51%，准确率则从 33% 升至 46%。