Kimi K3 ครองอันดับ 2 บน AA-Briefcase รองเพียง Fable 5

Kimi K3 คืออะไร

Kimi K3 เป็นโมเดล AI ขนาด 2.8 trillion parameters จาก Moonshot AI ที่ได้คะแนน Intelligence Index ที่ 57 ใกล้เคียงกับ Opus 4.8 และ GPT-5.5

ผลการทดสอบบน AA-Briefcase

จุดเด่น:

• อันดับ 2: คะแนน Elo 1543 รองจาก Claude Fable 5 (1574) นำหน้า GPT-5.6 Sol (1501), Claude Sonnet 5 (1388) และ Opus 4.8 (1347)
• วิเคราะห์ได้แม่นยำ: rubric pass rate 51% (รองจาก Fable 5 ที่ 56%) และ analytical quality Elo ที่ 1754
• ปรับปรุงจาก K2.6 อย่างมาก: เพิ่มขึ้น +727 Elo points จาก 816 เป็น 1543

ข้อจำกัด:

• ต้นทุนสูงสุดในกลุ่ม: เฉลี่ย $10.57 ต่องาน สูงกว่าคู่แข่งอย่างเห็นได้ชัด เนื่องจากใช้ 120k output tokens และทำงาน 83 turns ต่องาน (หมายถึง รอบการโต้ตอบระหว่างโมเดลกับระบบเพื่อประมวลผลงาน—เทียบกับ Fable 5 ที่ใช้ 67 turns และ GPT-5.6 Sol ที่ใช้ 50 turns เท่านั้น)
• ใช้เวลานาน: เฉลี่ย 56.4 นาทีต่องาน ช้ากว่า Fable 5 (22.6 นาที) ถึง 2.5 เท่า และช้ากว่า Grok 4.5 ถึง 3.8 เท่า
• การนำเสนอยังด้อยกว่า: presentation quality Elo ที่ 1471 ต่ำกว่า GPT-5.6 Sol (1660) และ Opus 4.8 (1492)

AA-Briefcase คืออะไร

เป็น benchmark สำหรับงาน agentic knowledge work ที่ทดสอบโมเดลด้วยงานจริงที่ซับซ้อนผ่านไฟล์หลายพันไฟล์ โดยวัดประสิทธิภาพใน 3 มิติหลัก:

• ความถูกต้อง (Correctness): การสกัดข้อมูลและสรุปประเด็นได้ตรงตามข้อเท็จจริง
• คุณภาพการวิเคราะห์ (Analytical Quality): ความลึกซึ้งและความสมเหตุสมผลของข้อสรุป
• คุณภาพการนำเสนอ (Presentation Quality): โครงสร้างและความชัดเจนของเอกสารที่สร้างขึ้น

เริ่มใช้งาน

เข้าถึงผ่าน Kimi API ราคา $3/$15 ต่อ 1M input/output tokens โดยมีส่วนลด 90% สำหรับ cached tokens (ใช้ได้กับ input tokens ที่ซ้ำกันในระบบ prompt caching เท่านั้น ไม่รวม output tokens)

เหมาะสำหรับใคร: องค์กรหรือนักวิจัยที่ต้องการความแม่นยำสูงในการวิเคราะห์เอกสารซับซ้อน (เช่น การตรวจสอบสัญญา การวิเคราะห์รายงานทางการเงิน การทำ due diligence) โดยไม่จำกัดงบประมาณและเวลา ไม่แนะนำสำหรับ: งานที่ต้องการตอบสนองแบบ real-time หรือโปรเจกต์ที่มีข้อจำกัดด้านค่าใช้จ่าย

ดูผลการทดสอบเต็ม: AA-Briefcase Benchmark