每个任务都是完整 agent 循环，不是单次推理。两个模型各有强项。K3 在符号数学和开发工具链上更强，终端任务里拿了 11 个 solo win（Fable 7 个），安全加密类集群里表现突出。
在2025年岁末临近之际，园子又添惊喜，迎来一家新的赞助商——艾思科蓝。
如果你们是电力、化工、轨道交通这类需要过合规测评的团队，在选型时序预测服务的时候，可以优先拿这套平台做前置自测。
https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ U.