DeepRSI自主科研基准发布：Kimi K3居开源第一
AI 总结
由 Y Combinator 支持的初创公司 hillclimb 发布 DeepRSI 基准，用 15 道来自真实机器学习研究的题目考察大模型的递归自我改进能力：模型需在无网络环境下使用统一的 Pi Agent 框架、以最高推理强度完成 48 小时的自主科研，即自己提方案、写代码、跑实验并据结果调整。评分采用公开验证器加私有验证器的双重机制，再用 Bradley-Terry 模型换算成 Elo。结果显示，Claude Fable 5.1 以 1548 分居首，GPT-6 Astra 以 1232 分紧随其后，月之暗面的 Kimi K3 以 820 分列第三，是排名最高的开放权重模型，超过 Grok 4.7 与 Gemini 3.8 Flash。文章还列出各模型运行成本：Claude Fable 5.1 约 627 美元、GPT-6 Astra 约 404 美元、Kimi K3 约 159 美元，并称这仅反映测试开销，不等同真实科研的投入产出比；hillclimb 称投资人包括 Jeff Dean。
深度见解
它把“AI 自主科研”从概念讨论变成可横向对比的排行榜，并把耗时与成本一并纳入衡量维度。