跳到正文
模型
模型 Arena.ai GPTClaudeGeminiDeepSeekKimi

Arena:Kimi K3.1 Pro 登陆 Agent Arena,初步排第 11

arena.ai 变更日志确认:Kimi K3.1 Pro(Max)于 10 月 24 日加入 Agent Arena;公开榜显示约 4071 场会话、净提升约 7.61%,初步总榜第 11(Preliminary),居 DeepSeek V4.1 Flash 等开源/API 档之上。

Arena 官方 Leaderboard Changelog 写明:2026-10-24 将 Kimi K3.1 Pro (Max) 加入 Agent Arena;前一日(10 月 23 日)该模型已进入 Code Arena: WebDev。公开 Agent 榜(约 10 月 23 日快照口径)显示其总榜第 11、带 Preliminary 标签,会话约 4071,净提升约 7.61%±3.00%,任务中位成本约 1.23 美元、中位耗时约 7 分钟,输出价约 2/10 美元每百万输入/输出 token。

同榜前列仍是 Claude Opus 5.5、Sonnet 5.5、GPT-6 Astra、Fable 5.1、GPT-6.1 Sol 与 Gemini 4 Argon 等闭源旗舰;DeepSeek-V4.1-Flash-20261017 约第 13。榜为真实会话信号(确认成功、可纠偏、bash 可靠、工具幻觉等),非静态基准;Preliminary 意味着会话量上来后名次可能浮动。K3.1 Pro 完整权重仍计划约 11 月 4 日放出,此前以 API 为主。

Stack Futures 配图:Kimi K3.1 Pro 登陆 Agent Arena

来源与参考资料

同栏目 · 模型

Peter Walker / OpenRouter

OpenRouter:Anthropic 模型 7 日均 Token 量自 Opus 5.5 发布后涨约 3.6 倍

OpenRouter 数据显示,自 Claude Opus 5.5(约 9 月 22 日)上线以来,Anthropic 系模型的 7 日平均 Token 量上升约 3.6 倍;Sonnet 5.5 与 Haiku 5.5 同样获开发者青睐。

OpenRouter 图表:Anthropic 模型 7 日均 Token 量自 Opus 5.5 后显著上升
LuminaBench / Microsoft EF Core

微软 EF Core 评测配置露出 gpt-6.1-terra:OpenAI 疑备新 Terra 档

Microsoft 公共仓库 dotnet/efcore 已合并的评测配置把默认裁判模型写成 gpt-6.1-terra、任务模型写成 gpt-6.1-sol;LuminaBench 等据此认为 OpenAI 正准备新一代 Terra,但公开发布仍未确认。

LuminaBench:Microsoft EF Core 评测配置中的 gpt-6.1-terra 截图
Nanbeige / Hugging Face

Nanbeige4.3-33B 开源:约 30B 档智能体编码多榜压过 Qwen3.8-27B

BOSS直聘旗下 Nanbeige LLM Lab 放出 Nanbeige4.3-33B(Apache 2.0):厂商自测 Terminal-Bench 2.1 得 80.9、DeepSWE 65.5,多数智能体编码/协作榜领先同级 Qwen3.8-27B、Muse Glimmer 30B 与 Gemma4-31B;定位为后续 3B 蒸馏的教师模型,上下文最高 512K。

Hugging Face 社交卡片:Nanbeige/Nanbeige4.3-33B