BabyVision 是 Kimi K3 官方技术博客完整评测表采用的基准。本条目用于承载官方发布成绩；Kimi K3 的全局测试设置为 reasoning_effort=max、temperature=1.0、top_p=1.0，具体 harness、工具使用和重复运行口径以官方脚注为准。
查看 BabyVision 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 Claude Opus 5 思考水平·Max工具 | 94.10 | 2026-07-24 | 未知 | 闭源 | |
 Qwen3.8-Max-0902 思考水平·极高工具 | 93.80 | 2026-09-02 | 24000亿 | 闭源 | |
 DeepSeek-V4.1-Flash 思考水平·Max工具 | 89.60 | 2026-09-10 | 5520亿 | 免费商用 | |
4 |  GPT-5.6 Sol 思考水平·Max工具 | 88.90 | 2026-06-26 | 未知 | 闭源 |
5 |  Kimi K3 思考水平·Max工具 | 85.70 | 2026-07-16 | 28000亿 | 有条件商用 |
6 | Qwen3.8-27B 开启思考工具 | 85.60 | 2026-08-14 | 270亿 | 免费商用 |
7 |  Seed2.1 Pro 开启思考 | 73.70 | 2026-06-23 | 未知 | 闭源 |
8 | Qwen3.8-27B 开启思考 | 65.70 | 2026-08-14 | 270亿 | 免费商用 |
9 |  GLM-5.3-Flash 思考水平·Max | 53.40 | 2026-08-26 | 3200亿 | 免费商用 |
Kimi K3 (max) 官方发布成绩：85.7（2026-07-16）。
