Kimi K3 模型正式發布並於 DeepSWE 基準測試中取得第三名佳績

Kimi K3 模型正式發布並於 DeepSWE 基準測試中取得第三名佳績。 這是一張以綠色山丘與蜿蜒道路為背景，並標示有 Datacurve 旗下 DeepSWE 品牌名稱的形象視覺圖。 Datacurve 透過推文分享了 Kimi K3 的最新表現，指出這是首款具備前沿效能的開放權重模型，其測試結果已能與 Claude Fable 及 GPT-5.6 Sol 等頂尖模型並駕齊驅。根據 DeepSWE 排行榜 的最新數據顯示，Kimi K3 在該基準測試中獲得了 69% 的評分，僅次於 GPT-5.6 Sol（73%）與 Fable 5（70%）。 DeepSWE v1.1 軟體工程模型基準測試排行榜，展示各模型在程式設計任務中的效能評分。 DeepSWE 基準測試特色 DeepSWE 旨在解決現有程式設計基準測試趨於飽和的問題，針對長週期軟體工程任務進行評估，其核心優勢包括： 無污染設計：所有任務皆為原創撰寫，非改編自既有的 commit 或 PR，確保模型在預訓練階段未曾接觸過解答。 高多樣性：涵蓋 5 種程式語言共 91 個程式庫的廣泛任務池。 真實複雜度：雖然 prompt 長度僅為 SWE-bench Pro 的一半，但解決方案所需的程式碼量增加 5.5 倍，輸出 token 數亦提升約 2 倍。 可靠驗證：採用人工編寫的驗證器，專注於測試軟體行為而非單純的實作細節。 測試任務範例 DeepSWE 透過多樣化的工程挑戰來評估 Agent 的實際能力，例如： 在 capricorn86/happy-dom 中處理關機時的請求與回應主體讀取中斷。 修正 prometheus/prometheus 中 PromQL 標籤在混合型別與非型別值時的排序邏輯。 為 c4spar/cliffy 新增指令層級的設定檔載入與解析功能。 在 yjs/yjs 中實作確定性的地圖衝突偵測機制。 為 wasmi-labs/wasmi 加入 trap 發生時的 coredump 生成功能。 在 beevik/etree 中擴充 XML 的 diff、patch 與合併操作。 這是一幅呈現層疊山巒與遠方水域的點描風格風景插畫。原文：https://easyvibecoding.app/curated/2590-kimi-k3-launches-ranks-third-on-deepswe