Kimi-K3
Kimi和豆包实测谁更强？
一次我把Kimi K3和豆包Seed 2.1 Pro的Agent测试数据拉了个表格投到大屏上，会议室安静了好几秒。先说Toolathlon，这个测试看的是多工具协同、应对失败、重试、最终输出可验证结果。K3拿了73.2分，豆包50.6分。BrowseComp，网页浏览智能体，K3 91.2分全场第一，豆包86.2分。APEX-Agents，K3 37.6分，豆包33.8分。Agent这条线，K3全面领先，而且是在和GPT-5.6、Claude Fable 5这些闭源旗舰比，不是只跟国产比。但豆包有个被忽视的强项。SaaS-Bench，测试Agent在23个真实SaaS系统里完成专业工作流，豆包Seed 2.0 Pro拿了27.1分，排全球第9。Kimi K2.6是34.1分排第6，但K3的数据还没上榜。这个测试看的是持久状态、跨应用协调、领域约束，跟Toolathlon侧重点不一样。豆包在"实际干活"这个维度并不弱。我还注意到一个细节。豆包2.1 Pro在Terminal Bench 2.1拿了71.0分，Claude Opus 4.7是71.7分，Gemini 3.1 Pro是70.7分。豆包在终端操作上已经摸到了全球第一梯队的边。K3是88.3分，直接把Opus 4.8和Fable 5的84.6分压下去了，但豆包的71分放在一年前也是不敢想的。我给团队的建议是分场景用。需要长程自主Agent、复杂编程、前端代码生成的任务，走K3，Frontend Code Arena它1679分全球第一。需要SaaS工作流、办公自动化、成本敏感的批量Agent任务，走豆包，它的Code WebDev榜单1539分排第8，终端能力够用，价格还便宜。俩模型不是替代关系，是互补。国产Agent终于不是只有一个选项了，这事儿本身比谁第一更重要。
发布于 福建
分享
评论
赞
未登录
友善发言
评论
加载中
