据 Woofun AI 消息，Artificial Analysis 发布针对 Kimi K3 的独立评估报告。在 Intelligence Index v4.1 测评中，Kimi K3 得分为 57 分，整体性能与 Claude Opus 4.8 及 GPT-5.5 相当，但低于 Claude Fable 5 和 GPT-5.6 Sol。该指数涵盖现实世界任务、工具调用等 9 项测试。

在智能体性能方面，Kimi K3 表现突出。在 GDPval-AA v2 现实世界任务测试中，其 Elo 得分达 1668 分，超越 Opus 4.8、GPT-5.5 及 GLM-5.2；自动化 SaaS 工作流测试得分 53%，位居第一；长流程知识任务排名第二，仅次于 Fable 5。成本方面，Kimi K3 单任务平均成本为 0.94 美元，低于 GPT-5.6 Sol 的 1.04 美元和 Opus 4.8 的 1.80 美元。

不过，其知识可靠性测试错误率从 39% 上升至 51%，准确率从 33% 提升至 46%。