从Kimi K2 Thinking 在 Livebench上的成绩很一般继续讨论： 
 [IMG_1067] 


开源第一是 DeepSeek V3.2 Exp Thinking 
三个想法： 

Livebench 真是个草台班子啊，用第三方 API Provider 做 benchmark
DeepSeek V3 的架构是真的优秀，月之暗面的  Muon 也是真的优秀
这俩分差几乎可以忽略不计了，因为现在 Livebench的题库比较拉，尤其是数学成绩，数学那一栏基本不用看了，在 Livebench 体系下毛毛糙糙算个并列第一吧