據 Woofun AI 消息，Artificial Analysis 發佈針對 Kimi K3 的獨立評估報告。在 Intelligence Index v4.1 測評中，Kimi K3 得分爲 57 分，整體性能與 Claude Opus 4.8 及 GPT-5.5 相當，但低於 Claude Fable 5 和 GPT-5.6 Sol。該指數涵蓋現實世界任務、工具調用等 9 項測試。

在智能體性能方面，Kimi K3 表現突出。在 GDPval-AA v2 現實世界任務測試中，其 Elo 得分達 1668 分，超越 Opus 4.8、GPT-5.5 及 GLM-5.2；自動化 SaaS 工作流測試得分 53%，位居第一；長流程知識任務排名第二，僅次於 Fable 5。成本方面，Kimi K3 單任務平均成本爲 0.94 美元，低於 GPT-5.6 Sol 的 1.04 美元和 Opus 4.8 的 1.80 美元。

不過，其知識可靠性測試錯誤率從 39% 上升至 51%，準確率從 33% 提升至 46%。