# Kimi K3 模型正式發布並於 DeepSWE 基準測試中取得第三名佳績

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Datacurve (@datacurve) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥🔥🔥 · 日期：2026-07-19

> 原始來源：https://x.com/datacurve/status/2078189882707730535

## 證據與延伸閱讀

- [DeepSWE基準測試特色](https://deepswe.datacurve.ai/)

## 中文摘要

Kimi K3 模型正式發布並於 DeepSWE 基準測試中取得第三名佳績。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/39459911ad9b6bb5.webp)
> 這是一張以綠色山丘與蜿蜒道路為背景，並標示有 Datacurve 旗下 DeepSWE 品牌名稱的形象視覺圖。

Datacurve 透過推文分享了 Kimi K3 的最新表現，指出這是首款具備前沿效能的開放權重模型，其測試結果已能與 Claude Fable 及 GPT-5.6 Sol 等頂尖模型並駕齊驅。根據 [DeepSWE 排行榜](https://deepswe.datacurve.ai) 的最新數據顯示，Kimi K3 在該基準測試中獲得了 69% 的評分，僅次於 GPT-5.6 Sol（73%）與 Fable 5（70%）。

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1784425619143-d4j9jhmb.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/894e1413463ecb1e.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> DeepSWE v1.1 軟體工程模型基準測試排行榜，展示各模型在程式設計任務中的效能評分。

**DeepSWE 基準測試特色**
DeepSWE 旨在解決現有程式設計基準測試趨於飽和的問題，針對長週期軟體工程任務進行評估，其核心優勢包括：
- **無污染設計**：所有任務皆為原創撰寫，非改編自既有的 commit 或 PR，確保模型在預訓練階段未曾接觸過解答。
- **高多樣性**：涵蓋 5 種程式語言共 91 個程式庫的廣泛任務池。
- **真實複雜度**：雖然 prompt 長度僅為 SWE-bench Pro 的一半，但解決方案所需的程式碼量增加 5.5 倍，輸出 token 數亦提升約 2 倍。
- **可靠驗證**：採用人工編寫的驗證器，專注於測試軟體行為而非單純的實作細節。

**測試任務範例**
DeepSWE 透過多樣化的工程挑戰來評估 Agent 的實際能力，例如：
- 在 `capricorn86/happy-dom` 中處理關機時的請求與回應主體讀取中斷。
- 修正 `prometheus/prometheus` 中 PromQL 標籤在混合型別與非型別值時的排序邏輯。
- 為 `c4spar/cliffy` 新增指令層級的設定檔載入與解析功能。
- 在 `yjs/yjs` 中實作確定性的地圖衝突偵測機制。
- 為 `wasmi-labs/wasmi` 加入 trap 發生時的 coredump 生成功能。
- 在 `beevik/etree` 中擴充 XML 的 diff、patch 與合併操作。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/718bf8ea1f083b56.jpg)
> 這是一幅呈現層疊山巒與遠方水域的點描風格風景插畫。

## 標籤

新產品, Benchmark, 開源專案, Kimi, Datacurve