近日，YC 孵化的 AI 公司 hillclimb 发布全新基准测试 DeepRSI，以评估大模型递归自我改进（RSI）与自主科研能力。首期榜单显示，Kimi K3 位列全球第三，超越 Grok 4.7、Gemini 3.8 Flash 等模型，成为排名最高的中国模型。Claude Fable 5.1 与 GPT-6 Astra 分列前两位。
与传统基准测试不同，DeepRSI 将测试时长延长至 48 小时，设置 15 项真实机器学习研究任务，要求模型在无网络环境下，自主完成研究方案设计、代码编写及运行优化，考察模型开展复杂科研任务的能力。Kimi K3 本次测试运行成本仅 159 美元，约为 Claude Fable 5.1 的四分之一。
hillclimb 成立于 2025 年，投资人包括前谷歌首席科学家 Jeff Dean、YC 创始人 Paul Graham 等。（硬 AI）
与传统基准测试不同，DeepRSI 将测试时长延长至 48 小时，设置 15 项真实机器学习研究任务，要求模型在无网络环境下，自主完成研究方案设计、代码编写及运行优化，考察模型开展复杂科研任务的能力。Kimi K3 本次测试运行成本仅 159 美元，约为 Claude Fable 5.1 的四分之一。
hillclimb 成立于 2025 年，投资人包括前谷歌首席科学家 Jeff Dean、YC 创始人 Paul Graham 等。（硬 AI）
