動察 Beatingのモニタリングによると、AIデータ企業DatacurveはKimi K3を長距離ソフトウェアエンジニアリングベンチマークDeepSWEに追加しました。このベンチマークは、モデルが実際の複雑な長期開発タスクを独立して完了できるかをテストします。
Kimi K3のタスク成功率は69%です。GPT-5.6 SolとClaude Fable 5はそれぞれ73%と70%でした。Datacurveによると、Kimi K3はDeepSWEで最先端のクローズドソースモデルレベルに達した初のオープンウェイトモデルです。
DeepSWEは、91のアクティブなオープンソースプロジェクトから得られた113のオリジナルタスクで構成され、5つのプログラミング言語をカバーしています。すべてのモデルは同一のツールセットを使用します。また、タスクは既存のコードコミットから直接改変されていないため、トレーニングデータの汚染を軽減しています。
Kimi K3のタスクあたりの平均コストは4.65ドルです。GPT-5.6 Solは8.39ドル、Claude Fable 5は21.63ドルです。