最新 7 月 24 日消息，Artificial Analysis 于 7 月 22 日更新 AI 智能体知识工作基准 AA-Briefcase，显示 Kimi K3 模型斩获 1543 分，超过 GPT-5.6 Sol（1501 分），仅次于 Claude Fable 5 模型（1574 分）。

最新注：AA-Briefcase 是独立 AI 评测机构 Artificial Analysis 于 2026 年 6 月推出的全新前沿 AI 智能体（Agent）知识工作基准测试。

它专为评估 AI 在处理长周期、高复杂度真实业务中的表现而设计，模拟企业中真实且混乱的办公环境，测试数据科学、产品管理、企业战略等场景，处理海量碎片化上下文（包括 25000+ 条 Slack 消息、3500+ 封电子邮件、会议纪要和财务报表等），并要求生成 Excel 财务模型、董事会汇报 PPT 等实际的商务交付物。

根据最新跑分结果显示，Kimi K3 模型在 AA-Briefcase 上的跑分达到 1543 分，仅次于 Claude Fable 5（1574 分），超过 GPT-5.6 Sol (最高 1501)、Claude Sonnet 5 (最高 1388) 和 Claude Opus 4.8 (最高 1347)。相比较而言 Kimi K2.6 模型在榜单上的成绩为 816 分。

延伸阅读

Kimi K3 模型由月之暗面（Moonshot AI）于 2026 年 7 月 16 日正式上线，是其迄今为止最强的旗舰模型，拥有 2.8 万亿参数和 100 万 Tokens 的上下文窗口，尤其擅长编程、游戏 / 3D 与知识类任务。

在编程能力方面，Kimi K3 在 Frontend Code Arena 基准测试中曾以 1679 分超越 Claude Fable 5 登顶，在品牌营销、数据分析等七个前端领域中的六个位居第一。

Kimi K3 模型采用按量计费，每 100 万 Tokens 的输入费用在缓存命中时为 2 元，未命中时为 20 元，输出费用为 100 元。

近期有报道称，微软正在内部测试 Kimi K3 模型，并评估将其部分接入 Copilot AI 助手的可行性，以降低推理成本。