Kimi K3 на PAC1 и ECOM1: результаты 204 задач и разбор отказов

Moonshot AI открыла веса модели Kimi K3 и протестировала её на агентных и кодинговых бенчмарках. В материале разобраны результаты на 204 задачах (PAC1, ECOM1), включая работу с файлами, платежами и отчётами, где модель показала 61/104 и 44,75/100 баллов. Авторы анализируют типичные ошибки: нарушение схем, частичные транзакции и пропуски проверок доверия.