Новость
Kimi K3 показала результаты на PAC1 и ECOM1 и открыла веса
Moonshot AI открыла веса модели Kimi K3 и опубликовала результаты на coding- и агентных бенчмарках. Модель прошла 204 задачи PAC1 и ECOM1, набрав 61/104 и 44,75/100.
Moonshot AI открыла веса Kimi K3 и опубликовала результаты модели на coding- и агентных бенчмарках. В материале разбирается, как эти показатели переносятся на рабочие операции с файлами, счетами, корзинами, платежами, возвратами и отчётами. Kimi K3 прошла 204 задачи PAC1 и ECOM1 и набрала 61/104 и 44,75/100. Также приводится разбор публичных трасс успешных задач и повторяющихся отказов: нарушение точной схемы, частично выполненные транзакции, ошибки в длинных таблицах, неоптимальные маршруты и пропущенные проверки доверия.
Источники
1
-
Kimi K3 показала результаты на PAC1 и ECOM1 и открыла веса
Habr AI
Kimi K3 на PAC1 и ECOM1: результаты 204 задач и разбор отказов 27 июля Moonshot AI открыла веса Kimi K3 и опубликовала результаты модели на coding- и агентных бенчмарках. Мы проверили, как эти показатели переносятся на рабочие операции с файлами, счетами, корзинами, платежами, возвратами и отчётами. Kimi K3 прошла 204 задачи PAC1 и ECOM1 и набрала 61/104 и 44,75/100. В статье разбираются публичные трассы успешных задач и повторяющиеся отказы: нарушение точной схемы, частично выполненные транзакции, ошибки в длинных таблицах, неоптимальные маршруты и пропущенные проверки доверия. Все запуски и трассы доступны для проверки. Смотреть обзор #kimi_k3 #llm #языковые_модели #открытые_веса #open_source #ии_агенты #tool_calling #агентные_системы #оценка_моделей #тестирование_ии | @habr_ai