Kimi K3 与 fable 5.2 得分反差可检验新基准可靠性

一种判断基准可靠性的思路是：若某重要领域的新基准中，fable 5.2 的得分低于 Kimi K3 等模型，更可能是基准本身存在严重缺陷，而非模型能力不足。理由是，如果该领域确有价值，前沿模型不应落败，模型成绩因此可反过来检验基准质量。