核心信息

Arena 的对齐指数显示,Kimi K3.1 Pro 以 78.2 分在实验室间并列第二,与 Anthropic 持平,并与 Fable-5.2 的置信区间重叠。

要点

  • Moonshot 成为该指数上排名最高的中国实验室,领先第七名的阿里巴巴 12 分。
  • Kimi K3.1 Pro 的对齐得分为 78.2,与 Anthropic 并列。
  • 开放权重模型整体落后于闭源模型;Mimo-V2.6-Flash 位列第 26,其后是 Hy4、Beam、Inkling、DeepSeek 和 GLM。