- 在AA-Briefcase基准测试中，Kimi K3仅次于Claude Fable 5，Elo得分为1543，相比其前代Kimi K2.6有显著提升。
- 它表现出较强的客观性和分析能力（评分标准通过率51%，分析Elo 1754），但演示质量相对较弱（演示Elo 1471）。
- 该模型运行成本高昂，平均每项任务花费10.57美元，令牌使用量高，每项任务涉及83轮交互，平均每项任务耗时56.4分钟。
- 近期其他前沿模型的发布包括Grok 4.5、GPT-5.6、Muse Spark 1.1和Kimi K3自身，目前已有六个实验室的模型在AI指数上超过50分。