Woofun AI 獲悉，人工智能數據公司 Datacurve 將 Kimi K3 納入 DeepSWE 長期軟件工程基準測試。該測試包含來自 91 個活躍開源項目的 113 項原始任務，涵蓋 5 種編程語言，旨在檢驗模型獨立完成複雜開發任務的能力，且通過非現有代碼提交的任務設計避免訓練數據污染。Kimi K3 的任務完成率爲 69%，略低於 GPT-5.6 Sol（73%）和 Claude Fable 5（70%）。Datacurve 指出，Kimi K3 是首個在該測試中達到頂尖閉源模型水平的開源模型。在成本控制方面，Kimi K3 處理每項任務的平均成本爲 4.65 美元，顯著低於 GPT-5.6 Sol 的 8.39 美元和 Claude Fable 5 的 21.63 美元。