SWE-Prometheus：用 60 个代码仓库评测工程治理能力的新基准
给做代码智能体的朋友：这个新基准不测修 bug，测的是治理仓库，10 个模型里 Kimi-K3 在完整对比里表现最好，评分方法也挺有意思。
#Kimi-K3
共 17 条 · 7 天 0 条 · 30 天 2 条
信息流里打上「Kimi-K3」标签的资讯、产品与论文，按刊登时间排，新的在上。
9月25日
9月22日
arXiv 论文提出 opinion leader dynamics，解释稀疏注意力如何塑造 token 聚类
把 token 当粒子建模，还拿 Kimi-K3 和 DeepSeek-V4-Flash 实测验证，讲清稀疏注意力为啥省算力还不丢效果。
9月11日
SWE-2 在 Kimi-K3 上微调后，在 FrontierCode 基准上超越 SWE-1.7、Grok 4.6 和 GPT 5.6
Cognition 公司发布了 SWE-2，这个模型在 Kimi-K3 上微调后，在 FrontierCode 基准上表现更好，成本也更低。
8月30日
8月14日
Arcee 开源 agent 工具 nac 并推出开放模型 API 测试版
Arcee 开源了 agent 工具 nac，能跑长时间任务，还出了 API 测试版，Fireworks 上也就能用 Kimi-K3 了。
7月28日
Moonshot AI 开源 Kimi-K3 多模态代理模型，2.8T 参数
Moonshot AI 开源了 Kimi-K3，2.8T 参数的大模型，在推理和代理基准上很强，但显存要求高，适合有硬件或想评估部署成本的人看看。
7月21日
7月18日
Kimi-K3在Frontend Code Arena上首次领先美国模型
月之暗面刚发的Kimi-K3直接打败了Fable，中国模型第一次在Frontend Code Arena登顶，开源领域又一大动静。
Kimi-K3登顶Frontend Code Arena，超越Claude Fable 5
Kimi-K3刚拿了前端代码领域第一，全面超越Claude Fable 5，权重下月底就开源，搞AI的值得关注。
7月17日
Kimi-K3 在 Frontend Code Arena 登顶，超越 Claude Fable 5
Kimi-Moonshot 的蒸馏模型 Kimi-K3 在前端编码基准上直接干翻了 Claude Fable 5，还开源权重，值得关注。
Kimi-K3登顶Frontend Code Arena，胜率76%超越Claude Fable 5
Kimi-K3刚在代码前端评测中干翻Claude Fable 5，76%胜率，6个领域第一，权重还开源，绝对值得关注。
Kimi-K3 登顶 Frontend Code Arena，超越 Claude Fable 5
Kimi-K3 刚把 Claude Fable 5 从第一拉下来，前端代码评测全面领先，很快还会开源权重，玩编程的可以关注。
