Kimi K3 (Max) của Moonshot AI dẫn đầu các mô hình open-weight trên Agent Arena
Mô hình Kimi K3 (Max) của Moonshot AI đã đạt được thứ hạng hàng đầu trong số các mô hình open-weight trên bảng xếp hạng Agent Arena. Cụ thể, mô hình này đã giành vị trí số 1 toàn bảng trong hạng mục 'Confirmed Success' (Thành công được xác nhận), đồng thời dẫn đầu nhóm open-weight về khả năng định hướng và khôi phục lỗi bash. Thành tựu này làm nổi bật sự tiến bộ nhanh chóng của các mô hình open-weight trong việc thực hiện các tác vụ tự động (agentic) phức tạp trong thế giới thực, thách thức các mô hình nguồn đóng độc quyền. Nó chứng minh khả năng mạnh mẽ của Kimi K3 trong việc điều phối công cụ, hoàn thành nhiệm vụ và độ tin cậy. Bên cạnh việc xếp thứ nhất toàn bảng về Confirmed Success, Kimi K3 (Max) còn đứng thứ 4 toàn bảng về tỷ lệ Khen ngợi so với Phàn nàn, thứ 5 về Khả năng định hướng và thứ 15 về Khả năng khôi phục lỗi Bash. Mô hình này cũng được ghi nhận là không gặp lỗi ảo tưởng công cụ (tool hallucination) trong quá trình đánh giá.
## KIẾN THỨC NỀN
Agent Arena là một hệ thống đánh giá (benchmark) động được thiết kế để đo lường mức độ hiệu quả của các mô hình AI trong việc điều phối công cụ và hoàn thành các tác vụ tự động trong thế giới thực. Các mô hình open-weight là những mô hình AI có trọng số mạng thần kinh được chia sẻ công khai, cho phép các nhà phát triển tự chạy và tùy chỉnh cục bộ, khác với các API độc quyền đóng hoàn toàn.