基准测试「Kimi K3」由Simon Willison主持

一个 SVG 图示测试作为快速进度条：Simon Willison 在 7 月 16 日和 17 日发布了他对 K3 的阅读。

事实

Simon Willison于2026年7月16日发表了《Kimi K3, and what we can still learn from the pelican benchmark》，并在次日（7月17日）发表了补充文章《Quoting Kimi K3》（该模型拒绝泄露其系统提示）。该文中提到的鹈鹕基准测试——要求模型绘制一只鹈鹕的SVG图形——被用作简单的烟雾测试：将模型在非常规分布下的推理能力浓缩为一幅图像。

我们的解读

鹈鹕基准测试并非科学测试。其价值在于：它能够快速通过肉眼判断，无需评分表。在经过一年合成基准测试的信誉受损后，回归可视化测试具有重要意义——炒作疲劳使得无需PDF文档即可判断的测试更受青睐。Willison在该格式中对K3的观察是，该模型能够交流但保持了防护措施（拒绝泄露其系统提示），这与《日经》当天对美国竞争压力的分析不谋而合。

关注点

未来一周内独立测试代码和代理基准测试的结果；Anthropic和OpenAI对定价的反应。