测试者开展10项代理类任务实测，Kimi赢6项但平均得分、响应速度、简洁度均不及Claude，还存在偶发失败、耗时长、耗token多的问题。网友呼吁加测DeepSeek V4、加入成本维度，OP称正在安排，不少人表示实际用Claude更可靠。