このページでは
短い答え
保存されたスナップショットで独立した科学と数学の結果が得られるため、キミ K3 は複雑な推論と長時間にわたるエージェント タスクをテストする価値があります。推論の設定と利用方法を評価に正確に合わせてください。大きなコンテキスト ウィンドウも長時間実行されるデモも、製品の信頼できる完成度を証明するものではありません。
何を持ち帰るか
- Family アプリ、コード、API の比較を分けてください。
- 科学と数学のパーセンテージは、さまざまなタスクを測定します。
- 長時間の実行中に検証済みの進行状況を測定します。
ソースをチェックしました .研究総合と Rubrex の推奨事項。例とローカル実験にはラベルが付けられています。これらはクライアントの結果ではありません。
日付付きのモデルのスナップショット。 公開されたメトリクスは、名前付きモデル、設定、およびテストを説明します。これらはルブレックスの実験や普遍的なランキングではありません。価格と在庫状況は調査日後に変更される場合があります。
モデルを比較してデータ日付を確認する →キミ K3 を周囲の製品から分離する
Moonshot AI の Kimi K3 技術記事では、Kimi 製品とその API を通じて利用できるモデルについて説明しています。現在の Kim Code のドキュメントには、K3 が他のモデル オプションと並んでリストされています。 Kimi アプリ モード、コーディング エージェント、および API モデルは、同じ基礎となるファミリーを使用している場合でも、異なるシステムです。評価する際には、正確なモデル識別子、推論作業、ツールハーネス、およびアクセスルートを記録します。違いを説明せずに、エージェント製品全体をベア モデル コールと比較しないでください。
容量とコストを古い仕様として読み取る
保存されたカタログには、1,048,576 個のコンテキスト トークンと、入力トークン 100 万あたり 3 ドル、出力トークン 100 万あたり 15 ドルの基本レートを持つ Kim K3 がリストされています。これらの値は、Kimi サブスクリプションやセルフホスト型展開の価格ではなく、この記事で確認したカタログ エンドポイントを表します。ワークロードの完全なトレースからコストを見積もることをお勧めします。長いタスクでは、最終的な答えが短い場合でも、かなりの中間出力、繰り返されるコンテキスト、およびツールのアクティビティが蓄積される可能性があります。
証拠: OpenRouter パブリック モデル カタログ [3]
| モデルまたはプロパティ | 公表値 | 解釈方法 |
|---|---|---|
| 月笑体/kimi-k3 | $3 入力 / $15 出力 | OpenRouter カタログの基本料金 |
| カタログコンテキスト | 1,048,576 トークン | エンドポイントの容量、リコール保証ではありません |
科学と数学を別々に比較する
Epoch AI の保存された GPQA ダイヤモンド結果は難しい科学の質問をカバーし、FrontierMath Tiers 1 ～ 3 v2 は Python アクセスによる数学をカバーします。以下の両方の行では、最大の推論努力で キミ K3 を使用していますが、パーセンテージの分母が異なるため、意味のある全体的な知能スコアに平均化することはできません。 Moonshot 独自のベンチマークの脚注では、テスト全体でのさまざまなエージェントのハーネスについても説明しています。プロバイダーの比較を読み取るときは、報告されたすべての数値を同一の実験の結果として扱うのではなく、これらの条件を維持してください。
証拠: エポック AI: GPQA ダイヤモンド [4]Epoch AI: FrontierMath Tiers 1–3 v2 [5]キミ K3: オープン フロンティア インテリジェンス [1]
| ベンチマーク | 正確な構成 | スコア | 標準エラー | 実行日 |
|---|---|---|---|---|
| GPQA ダイヤモンド | キミ K3 (最大) | 93.12% | 1.49 パーセント ポイント | 2026-07-16 |
| FrontierMath Tier 1 ～ 3 v2 | キミ K3 (最大) | 72.18% | 2.66 パーセント ポイント | 2026-07-17 |
有用な永続性を得るために長いタスクをテストする
長期にわたって実行されるエージェントは、単にアクティビティを生成し続けるのではなく、検証された進捗を達成する必要があります。中間チェックポイント、ツールの失敗、および明確な停止条件を備えたタスクを準備します。環境がそれを確認する前に、Kimi が欠落した結果から回復するか、効果のないアクションを繰り返すか、または完了を主張するかどうかを検査します。受け入れられた完了、ツール呼び出しごとの進行状況、総コスト、中断後の回復を測定します。文書作業の場合は、証拠の場所のチェックと矛盾するバージョンを追加します。モデルとシステムの寄与を区別できるように、ハーネスが何を修復したかを別途記録してください。
証拠の限界
Rubrex は、この記事でこれらの実行を再現したり、自己ホスト型の展開を検証したりしていません。発射ポストの重量解放計画は、現在のダウンロードの可用性やライセンス条項の証拠としては使用されません。価格と独立した結果は、2026 年 9 月 25 日のスナップショットです。
よくある質問
これらのスコアを使用してサポートの精度を推定できますか?
いいえ。文書と承認ルーブリックを使用してサポート タスクを評価します。公開されている科学および数学のテストでは、さまざまな能力がカバーされています。
キミとの比較では何を記録する必要がありますか?
モデル ID、製品または API、推論作業、ハーネスのバージョン、ツールの予算、承認された結果、経過時間、および請求されたすべての使用量を記録します。
出典と詳細情報
このブリーフィングの背後にある主な情報源。情報源の発見は、その情報源自身の研究条件に当てはまります。 arXiv での出版は査読を確立しません。
- キミ K3: オープン フロンティア インテリジェンス ムーンショットAI · 2026 · プロバイダーの技術記事レビュー済み: リリースの概要とベンチマークハーネスの脚注.アクセス済み 2026年9月25日.
- キミコードモデル構成 ムーンショットAI · 生きたリファレンス · 維持されたドキュメントレビュー済み: 現在の Kimi Code モデルのオプション.アクセス済み 2026年9月25日.
- OpenRouter パブリック モデル カタログ オープンルーター · 生きたリファレンス · 維持されたドキュメントレビュー済み: カタログフィールド。保存された 9 月 25 日の API スナップショットから取得された数値価格.アクセス済み 2026年9月25日.
- エポック AI: GPQA ダイヤモンド エポックAI · 2026 · 独立したベンチマークレビュー済み: ベンチマーク定義と保存された内部評価記録。 CC BY 4.0.アクセス済み 2026年9月25日.
- Epoch AI: FrontierMath Tiers 1–3 v2 エポックAI · 2026 · 独立したベンチマークレビュー済み: ベンチマーク定義と保存された内部評価記録。 CC BY 4.0.アクセス済み 2026年9月25日.
質問または修正がありますか? Rubrex に書き込む. 編集アプローチを読む.