在DeepSWE基准测试中对Kimi K3和GPT-5.6 Sol进行比较显示，尽管GPT-5.6 Sol在单次尝试质量方面领先（72.7% vs 68.5%），但Kimi K3以显著更低的成本实现了更高的pass@k分数（k > 1）。

  • Kimi K3在pass@2（82.0% vs 81.0%）和pass@4（89.4% vs 85.8%）中获胜，达到了任何旗舰级配置的最佳pass@4成绩。
  • Kimi K3每次展开的成本为4.65美元，而GPT-5.6 Sol为8.37美元，每美元能解决的任务量是后者的2.8倍。
  • 这两个模型差异显著（相关系数0.46）且失败模式不同，通过优先使用Kimi并在必要时升级到Sol的组合策略，可以覆盖113项任务中的108项。
  • GPT-5.6 Sol更可靠，四次尝试全部解决61项任务，而Kimi K3解决了45项，但每次展开耗时更长（17分钟 vs 66分钟）。

在这两个模型之间进行路由提供了强大的实用解决方案，优先使用Kimi的级联策略在成本低于单独使用GPT-5.6 Sol的同时，达到了约85.6%的准确率。