Kimi K3 AA-Briefcase বেঞ্চমার্কে Fable5-এর কাছাকাছি পৌঁছায়, টাস্ক খরচ 10x বৃদ্ধি পায়

Chainthink

রিলিজের সময়:

সারাংশ

অন-চেইন সংবাদ: আপডেট করা AA-ব্রিফকেস বেঞ্চমার্কে কিমি K3 1543 Elo স্কোর করেছে, যা Fable5-এর 1574-এর পিছনে রয়েছে কিন্তু GPT-5.6 Sol এবং Claude মডেলগুলির চেয়ে ভালো পারফর্ম করেছে। এই পরীক্ষায় 4টি প্রকল্প এবং 91টি টাস্কের মধ্যে দিয়ে 2000-এরও বেশি ইমেইল এবং ডকুমেন্ট থেকে ডেটা বের করা হয়েছে। কিমি K3 51% অবজেকটিভ পাস করেছে, বিশ্লেষণগত মানে 1754 স্কোর করেছে, কিন্তু চূড়ান্ত উপস্থাপনায় পিছিয়ে পড়েছে। টাস্কের খরচ 10x বেড়ে 10.57 ডলার হয়েছে, প্রতিটি রান 56.4 মিনিট এবং 120,000 টোকেন নিয়েছে। সুদের হারের সংবাদের ফলাফলে কোনো প্রত্যক্ষ প্রভাব ছিল না।

চেইনথিংক মেসেজ, ২২ জুলাই, আর্টিফিশিয়াল অ্যানালিসিস AA-Briefcase লিস্ট আপডেট করেছে, কিমি K3 এর স্কোর ১৫৪৩ Elo, যা Claude Fable 5 এর ১৫৭৪ এর পরে দ্বিতীয় এবং GPT-5.6 Sol এর ১৫০১, Claude Sonnet 5 এবং Claude Opus 4.8 এর চেয়ে উচ্চতর।

AA-Briefcase মডেলকে প্রায় ২০০০টি ইমেইল, Slack রেকর্ড এবং কোম্পানি ফাইল থেকে তথ্য খুঁজে বার করতে হবে এবং টেবিল, প্রেজেন্টেশন এবং ইন্টারফেস প্রোটোটাইপ জমা দিতে হবে, যার মধ্যে ৪টি দীর্ঘমেয়াদি প্রকল্প এবং ৯১টি গোপনীয় কাজ রয়েছে।

বিস্তারিতভাবে, K3-এর বাস্তবসম্মত পাস হার 51%, যা Fable 5-এর 56% এর চেয়ে কম; বিশ্লেষণের গুণগত স্কোর 1754, যা Fable 5-এর 1744-এর চেয়ে কিছুটা বেশি।

K3-এর প্রধান পার্থক্য হল ফাইনাল প্রোডাক্ট প্রদর্শন, যা GPT-5.6 Sol এবং Opus 4.8-এর চেয়ে কম। খরচের দিক থেকে, K3-এর প্রতিটি টাস্কের গড় খরচ 10.57 ডলার, যা Kimi K2.6-এর প্রায় 10 গুণ;

গড়ে 83 রাউন্ড এক্সিকিউট করা হয়েছে, 12 লাখ টোকেন আউটপুট দেওয়া হয়েছে, এবং 56.4 মিনিট সময় লেগেছে, যা একই ধরনের কাজ সম্পন্ন করতে Fable 5-এর তুলনায় প্রায় 2.5 গুণ সময় নেয়।

উৎস:আসল দেখান

দাবিত্যাগ: এই পৃষ্ঠার তথ্য তৃতীয় পক্ষের কাছ থেকে প্রাপ্ত হতে পারে এবং অগত্যা KuCoin এর মতামত বা মতামত প্রতিফলিত করে না। এই বিষয়বস্তু শুধুমাত্র সাধারণ তথ্যগত উদ্দেশ্যে প্রদান করা হয়, কোন ধরনের প্রতিনিধিত্ব বা ওয়ারেন্টি ছাড়াই, বা এটিকে আর্থিক বা বিনিয়োগ পরামর্শ হিসাবে বোঝানো হবে না। KuCoin কোনো ত্রুটি বা বাদ পড়ার জন্য বা এই তথ্য ব্যবহারের ফলে যে কোনো ফলাফলের জন্য দায়ী থাকবে না। ডিজিটাল সম্পদে বিনিয়োগ ঝুঁকিপূর্ণ হতে পারে। আপনার নিজের আর্থিক পরিস্থিতির উপর ভিত্তি করে একটি পণ্যের ঝুঁকি এবং আপনার ঝুঁকি সহনশীলতা সাবধানে মূল্যায়ন করুন। আরও তথ্যের জন্য, অনুগ্রহ করে আমাদের ব্যবহারের শর্তাবলী এবং ঝুঁকি প্রকাশ পড়ুন।