Woofun AI 获悉，人工智能数据公司 Datacurve 将 Kimi K3 纳入 DeepSWE 长期软件工程基准测试。该测试包含来自 91 个活跃开源项目的 113 项原始任务，涵盖 5 种编程语言，旨在检验模型独立完成复杂开发任务的能力，且通过非现有代码提交的任务设计避免训练数据污染。Kimi K3 的任务完成率为 69%，略低于 GPT-5.6 Sol（73%）和 Claude Fable 5（70%）。Datacurve 指出，Kimi K3 是首个在该测试中达到顶尖闭源模型水平的开源模型。在成本控制方面，Kimi K3 处理每项任务的平均成本为 4.65 美元，显著低于 GPT-5.6 Sol 的 8.39 美元和 Claude Fable 5 的 21.63 美元。