رتبه چهارم Kimi K3، تأیید موفقیت کاربران در صدر

Kimi K3 در رتبه چهارم جدول Arena Agent قرار دارد و بهبود خالص کلی آن 9.62% است. این رتبه بعد از Claude Fable 5، Claude Opus 4.8 Thinking و GPT-5.6 Sol قرار دارد. Arena تمام مدل‌های ارزیابی شده را به یک معیار متوسط مجازی ترکیب کرده و وضعیت بهبود نتایج K3 را برآورد کرده و در نهایت نمره کلی را به دست آورده است. K3 در مجموع 8344 جلسه آزمایشی انجام داده و بهبود خالص معیار تأیید موفقیت کاربران 14.42% است که در صدر قرار دارد. معیارهای تمجید بیشتر از شکایت 20.62% بهبود یافته و در رتبه سوم قرار دارد. رتبه اجرای اصلاح خطاهای K3 در جایگاه چهاردهم و رتبه بازیابی خطاهای Bash در جایگاه هفدهم است. با اینکه K3 نتایج قابل قبولی از نظر کاربران ارائه می‌دهد، اما هنوز در زمینه اصلاح خطا در میانه راه و بازیابی خطاهای دستوری نقاط ضعفی وجود دارد.