Kimi K3与GPT-5.6 Sol在DeepSWE基准测试中表现对比：成本、编码与路由效率

Together AI近期发布了一项针对Kimi K3和GPT-5.6 Sol模型的深度评估报告。该测试基于DeepSWE基准，共执行了904次任务运行。分析表明，GPT-5.6 Sol在单次尝试通过率（pass@1）上表现更优，展现了其在首次响应中的精准编码能力。然而，Kimi K3在四次尝试通过率（pass@4）中脱颖而出，尤其在成本效益方面显著，其单位美元解决的代码问题数量是Sol的2.8倍，突显了其在多次迭代场景下的经济性与稳定性。此外，通过智能路由策略结合两款模型，整体任务完成率提升至约85.6%，为开发者提供了高效、低成本的AI编码解决方案参考。这项测试结果或有助于企业根据实际需求，在性能与成本间做出更明智的模型选择。