SemiAnalysis a jeté les agents dans huit heures de travail simulé : le meilleur plafonne à 12 %, et la correction elle-même laisse à désirer.
Kimi K3.1 Pro passe de la quatrième à la neuvième place sans qu'on touche à ses poids, juste parce qu'Artificial Analysis a réécrit son indice et caché 60 % des tests.
OpenAI claironne 99,9 % sur ARC-AGI-3, le même modèle tombe à 62,7 % dans le harnais public, et son président affirme que l'AGI est arrivée sans pouvoir désigner le moment où elle serait apparue.
Moonshot promet les poids de Kimi K3.1 Pro pour le 4 novembre, mais ce qui est déjà là, c'est une API, une quatrième place chez Artificial Analysis et un accueil en dents de scie.
Microsoft-Decision-1 tranche entre des options prédéfinies en 85 millisecondes, bâti sur un modèle chinois et testé par Microsoft lui-même. Personne d'autre n'a mis le nez dedans.