Moonshot 的 Kimi K3 前端代码超越 Fable 5，但数学能力大幅落后

Moonshot AI 的 Kimi K3 模型在 Code Arena: Frontend 基准测试中首次超越 Claude Fable 5 和 GPT-5.6 Sol，夺得第一。然而在 FrontierMath Tier 4 高级数学测试中，Kimi K3 仅得约 39%，而 OpenAI 和 Anthropic 的模型得分接近 90%。这表明该模型在前端代码生成方面表现突出，但在复杂数学推理上仍存在显著差距。

这是中国模型首次在特定编码基准上超越领先的西方模型，显示在前端代码领域取得重要突破；但数学能力的巨大鸿沟说明模型在不同智能任务上的能力极不均衡，可能影响其综合应用场景的推广。

• Kimi K3 在其他编码任务（如后端、全栈）上表现如何？
• 该模型在数学上的劣势是否源于训练数据或架构设计？
• Moonshot 是否会针对数学能力进行后续优化？