Kimi K3.1, вероятно, оптимизирована под бенчмарки (есть доказательства)

Автор поста утверждает, что китайские языковые модели, включая Kimi K3.1, склонны к чрезмерной оптимизации под тесты (benchmaxxing). Приводятся ссылки на аудит и внутренние бенчмарки Tencent, демонстрирующие разрыв в качестве между китайскими и американскими моделями на новых тестах.