Das chinesische KI-Modell Kimi K3 von Moonshot hat sich im Benchmark Code Arena: Frontend an die Spitze gesetzt und damit führende westliche Modelle übertroffen. Es ist das erste Mal, dass ein chinesisches Modell diese Rangliste anführt, die auf menschlichen Präferenzen basiert. Gleichzeitig zeigt das Modell deutliche Schwächen bei komplexen mathematischen Aufgaben.
Spitzenleistung im Frontend-Code
Im Code Arena: Frontend-Benchmark erreichte Kimi K3 einen Wert von 1.679 Punkten. Damit übertraf es deutlich Konkurrenten wie Claude Fable 5, das 1.631 Punkte erzielte, und GPT-5.6 Sol mit 1.618 Punkten. Dieser Benchmark bewertet die Leistung von KI-Modellen bei der Erstellung von Frontend-Code, also dem Teil einer Software, der direkt mit dem Nutzer interagiert.
Defizite bei anspruchsvoller Mathematik
Ein anderes Bild zeigt sich jedoch bei anspruchsvollen mathematischen Aufgaben. Laut Daten von Epoch AI erreichte Kimi K3 auf der schwierigsten Stufe (Tier 4) des FrontierMath-Benchmarks eine Genauigkeit von lediglich etwa 39 Prozent. Zum Vergleich: Modelle von OpenAI und Anthropic erzielen in diesem Bereich teilweise Ergebnisse von nahezu 90 Prozent. Der FrontierMath-Benchmark misst die Fähigkeit von KI-Modellen, komplexe mathematische Probleme auf Expertenniveau zu lösen.
Die Ergebnisse deuten darauf hin, dass Kimi K3 eine spezialisierte Stärke im Bereich der Code-Generierung für Web-Frontends besitzt, während es bei allgemeineren, rechenintensiven Aufgaben, insbesondere in der fortgeschrittenen Mathematik, noch erheblichen Entwicklungsbedarf aufweist.
Thema: OpenAI. Quelle/Inspiration: The Decoder.