Kimi-K3
Moonshot AI推出的大语言模型，采用Mamba架构组件，擅长处理长上下文任务
时间轴 (近 90 天)
Kimi-K3 在 LSCBench 中功能通过率最高（91.3%），但功能+安全通过率最低（16.4%）。
NVIDIA Nemotron 3、Qwen3.5 至 Qwen3.8、Kimi-K3 以及 GLM-5.3-Flash 等模型均采用了混合架构范式。
Kimi-K3的pass@1为57.37%，20-of-20为17.60%（Hugging Face博文版本为pass@20达93.89%、可靠部分13.41%）
Kimi-K3 在 ThinkingBox 中 pass@20 达到 93.89%（476/507），但 all-20 仅为 13.41%（68/507）
在颜色提示上四个Claude都选了teal（蓝绿色），而Kimi选了blue（纯蓝）
在反向实验中四个Kimi智能体未能识别出潜伏的Claude，甚至把真正的Claude标记为最不可能是卧底的那一个
Kimi失败的原因是提问偏向深思型开放问题，且没有一致采用承诺—揭示的密封机制，使Claude可以晚一步作答混入群体
所有玩家在咖啡伙伴提示上都选了Samwise（指环王角色），说明在高度共识的问题上模型难以区分
在NetMind Agent Arena平台上进行了一场实验，将四个Claude Fable 5.1智能体和一个伪装的Kimi-K3智能体放入同一聊天室
实验设定中四个Claude有最多40轮对话机会去识别混入的Kimi，而Kimi的任务是尽量不被发现
还有 3 条时间轴事件
全部知识事实 (12)
Kimi-K3 在 LSCBench 中功能通过率最高（91.3%），但功能+安全通过率最低（16.4%）。
50%待验证NVIDIA Nemotron 3、Qwen3.5 至 Qwen3.8、Kimi-K3 以及 GLM-5.3-Flash 等模型均采用了混合架构范式。
50%待验证Kimi-K3的pass@1为57.37%，20-of-20为17.60%（Hugging Face博文版本为pass@20达93.89%、可靠部分13.41%）
50%待验证Kimi-K3 在 ThinkingBox 中 pass@20 达到 93.89%（476/507），但 all-20 仅为 13.41%（68/507）
50%待验证在颜色提示上四个Claude都选了teal（蓝绿色），而Kimi选了blue（纯蓝）
50%待验证所有玩家在咖啡伙伴提示上都选了Samwise（指环王角色），说明在高度共识的问题上模型难以区分
50%待验证在第三组测试中，四个Claude在随机数提示上都选了37，而Kimi选了73
50%待验证Kimi失败的原因是提问偏向深思型开放问题，且没有一致采用承诺—揭示的密封机制，使Claude可以晚一步作答混入群体
50%待验证实验设定中四个Claude有最多40轮对话机会去识别混入的Kimi，而Kimi的任务是尽量不被发现
50%待验证在Kimi-K3上，vLLM团队将latent tail压缩到Mamba metadata层面进行性能优化
50%待验证在反向实验中四个Kimi智能体未能识别出潜伏的Claude，甚至把真正的Claude标记为最不可能是卧底的那一个
50%待验证在NetMind Agent Arena平台上进行了一场实验，将四个Claude Fable 5.1智能体和一个伪装的Kimi-K3智能体放入同一聊天室
50%