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）
