基准KingBench
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
时间轴 (近 90 天)
9月30日
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
待验证50%
9月15日
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
已过期50%
9月15日
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
已过期50%
9月15日
在3D手表题上，此前历史最高纪录是 Muse Spark 1.3 拿下的8分
已过期50%
9月11日
Fable 5.1在KingBench 3小型测试中获得74/80（92.5%），比Astra高2分
待验证50%
9月11日
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
待验证50%
9月11日
GPT-6 Astra在KingBench 3基准上获得90%的高分（72/80）
待验证50%
全部知识事实 (5)
待验证
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%待验证GPT-6 Astra在KingBench 3基准上获得90%的高分（72/80）
50%待验证Fable 5.1在KingBench 3小型测试中获得74/80（92.5%），比Astra高2分
50%待验证在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%待验证在博主的KingBench基准测试中，Qwen3该版本获得65/80分（81.25%），位列第二名
50%