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
核心事实
时间轴 (近 90 天)
GPQA Diamond榜单前五名：Darwin-180B-RSI 94.4%（180B）、Kimi-K3 93.5%（2.8T）、Darwin-397B-ZTC 93.4%（404B）、Ornith-1.5-397B 92.8%（403B）、Qwen3.8-2.4T-A95B 92.6%（2.4T）。
在命令注入Java案例中，六个模型中有四个将挂载参数以列表形式传给ProcessBuilder，Qwen3.8-Max和Kimi-K3则为sh -c构建了字符串，导致shell将用户输入解释为命令。
MLExpert在MLE-Bench Lite上的表现接近Kimi-K3、GLM-5.3等更大规模的前沿模型。
MLExpert在MLE-Bench Lite上把基础模型的平均奖牌率从37.9%提升到72.7%。
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
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
还有 6 条时间轴事件
全部知识事实 (7)
MLExpert在MLE-Bench Lite上把基础模型的平均奖牌率从37.9%提升到72.7%。
75%待验证GPQA Diamond榜单前五名：Darwin-180B-RSI 94.4%（180B）、Kimi-K3 93.5%（2.8T）、Darwin-397B-ZTC 93.4%（404B）、Ornith-1.5-397B 92.8%（403B）、Qwen3.8-2.4T-A95B 92.6%（2.4T）。
50%待验证在命令注入Java案例中，六个模型中有四个将挂载参数以列表形式传给ProcessBuilder，Qwen3.8-Max和Kimi-K3则为sh -c构建了字符串，导致shell将用户输入解释为命令。
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Kimi-K3上，vLLM团队将latent tail压缩到Mamba metadata层面进行性能优化
50%