Arena Agent 榜基于真实用户任务和工具调用记录。Kimi K3 的综合净提升为 9.62%，排名第 4。它排在 Claude Fable 5、Claude Opus 4.8 Thinking 和 GPT-5.6 Sol 之后。 
Arena 把所有参评模型均匀混合成一个虚拟平均基准，再估算换成 K3 后，各项结果改善多少。五项净提升最后取平均，得到综合分。 
K3 已积累 8344 次测试会话。用户确认成功指标净提升 14.42%，排名第一。表扬多于投诉指标提升 20.62%，排名第三。它的纠错执行排名第 14，Bash 报错恢复排名第 17。K3 更容易交出让用户认可的结果，但中途改错和命令报错恢复仍是短板。 
 [telegram-cloud-photo-size-5-6267024104766510458-y]