KingBench 3
一套面向大语言模型的综合能力评测基准，涵盖模拟、3D交互、SVG绘制、数学推理和微调等多个维度
Timeline (last 90 days)
在UP主的KingBench 3八项测试中，GPT-6 Sol得66/80（82.5%），Opus 5.5得75/80（93.75%），Opus领先11.25个百分点
在3D手表题上，此前历史最高纪录是 Muse Spark 1.3 拿下的8分
Qwen3 Max 0902 在 KingBench 3 的3D手表题上拿到满分10分，是任何模型在该题上的首个满分
Qwen3 Max 0902 相比上一版在电梯模拟、隐形眼镜盒、弓箭射击三道题上失分，仅在3D手表题上加分
在8项KingBench 3小型测试中，Astra在3D折叠桌、熊猫吃汉堡SVG和3D腕表测试上取胜，Fable在电梯、眼镜盒和射箭上占优
GPT-6 Astra在KingBench 3基准上获得90%的高分（72/80）
Fable 5.1在KingBench 3小型测试中获得74/80（92.5%），比Astra高2分
在博主的KingBench基准测试中，Qwen3该版本获得65/80分（81.25%），位列第二名
Grok 4.5生成的Minecraft克隆版在所有顶尖模型中排名第三，前两名分别是Fable 5和GPT 5.5
All Facts (6)
在UP主的KingBench 3八项测试中，GPT-6 Sol得66/80（82.5%），Opus 5.5得75/80（93.75%），Opus领先11.25个百分点
50%UnverifiedGPT-6 Astra在KingBench 3基准上获得90%的高分（72/80）
50%UnverifiedFable 5.1在KingBench 3小型测试中获得74/80（92.5%），比Astra高2分
50%Unverified在8项KingBench 3小型测试中，Astra在3D折叠桌、熊猫吃汉堡SVG和3D腕表测试上取胜，Fable在电梯、眼镜盒和射箭上占优
50%Unverified在博主的KingBench基准测试中，Qwen3该版本获得65/80分（81.25%），位列第二名
50%UnverifiedGrok 4.5生成的Minecraft克隆版在所有顶尖模型中排名第三，前两名分别是Fable 5和GPT 5.5
50%