基准测试

Moonshot AI 的 Kimi K3 在 AA-Briefcase 基准测试中位列第二，性能超越 GPT-5.6 Sol，但每任务耗时近一小时，成本约为 Opus 4.8 的十倍，高成本或影响其竞争力。

在 Artificial Analysis 的 AutomationBench-AA 测试中，马斯克旗下 xAI 的 Grok 4.5 以 51.4% 的得分和每任务仅 0.34 美元的成本力压 Claude 系列，成为最顶尖的智能体模型。