这份报告写起来有点拧巴：实测跑通的 4 道题，Kimi 几乎交出了满分答卷；可另外 4 道题，我们根本没能送进它的输入框。2026 年 9 月 14 日下午，我们用与 DeepSeek 完全相同的一套 8 道冻结真题测试 Kimi 网页版免费档（默认模型，站点标注 K3 上线），题干不改字、判定先冻结、每题新会话、全程留证（题组与证据存于 docs/reviews/kimi/，证据编号 T1-T8）。结果 8 题只跑完 4 题——不是题目做不出，是消息发不出去：限流弹窗一次次弹出，"和Kimi聊天的人太多了，订阅会员可进入优先队列"。所有未完成项如实标注，未编造任何数据。
评分卡（100 分制 · B 级实测口径，限流扣分已含）
| 维度 | 得分 | 判定依据（实测） |
|---|---|---|
| 任务完成度（20） | 10.0 | 8 题完成 4 题；未完成 4 题均因服务端限流，非回答质量 |
| 输出质量（15） | 14.3 | 实测 1 道质量题锚点 9.5（样本单一，已标注） |
| 准确与幻觉（10） | 10.0 | 实测 2 道事实与推理题 0 错（样本 2 题） |
| 性能与稳定（8） | 2.5 | 限流弹窗两次阻断发送；完成题耗时中位数约 2 分钟 |
| 易用性（7） | 7.0 | 10 项清单全中 |
| 价格与权益（6） | 4.5 | 免费可用，但会员优先队列的限流体感明显 |
| 合规与数据安全（4） | 3.5 | 隐私政策与备案信息可查，注销通道未逐项核验 |
| chat 类专项（30） | 29.3 | 核心 4 题实测 2 题（锚点 9.5、10），另 2 题未测 |
| 总分 | 81.1 | A 级 · 值得使用（2026-09-14 实测口径，90 天后需复测） |
测试说明：题组与判定标准与 DeepSeek 报告完全一致（同题同判）。T5（长材料归纳）输入完成后，发送被限流弹窗拦截，按流程恢复重试一次仍被拦；T6（复合指令链）遭遇站点状态异常——新建会话被重定向回旧会话，输入无法正常提交，自动化重试 82 步无果；T7（推理链）单独重试时页面响应超时；T8 未再尝试。以下所有结论，只基于跑通的 4 题。
先说答得好的部分，因为它真的好。T2 让它用不超过 100 字写"秋天的清晨"，声音、气味、反问句三个约束一个不落，"日光迟迟不敢落稳"这种句子是有观察的（T2_output.md）；T3 二元一次方程组，消元、代入、验算一步不少，答案全对；最惊艳的是 T4 联网核查：面对"截至 2026 年 6 月中国网民规模"，它不仅说明官方第 58 次报告尚未发布、给出第 57 次报告 11.25 亿与 80.1% 普及率，还专门提醒"网上把 11.23 亿说成 2026 年 6 月的，多半是误植——11.23 亿对应的是第 56 次、截至 2025 年 6 月"，连统计口径都交代到了"6 周岁以上、过去半年用过网、固定电话加手机双重抽样"这一层。这份较真，是我们两场实测里见过最扎实的信源态度。
再说限流，这是这份报告绕不开的主角。实测时间是周一下午四点——不是深夜，不算极端高峰。T5 那道长材料归纳题，我们一字不差输进了约 500 字材料，点击发送，弹窗跳出来：想插队，开会员。按流程恢复重试，还是这个弹窗。之后的新会话异常、页面响应超时，大概率也是同一套服务端限流的连锁反应。对免费用户来说，限流不是分数问题，是"关键时刻用不用得上"的问题：日常零散提问也许碰不到，可一旦赶上连续作业——比如一次性核对十份材料——中途被拦的体验，会直接决定你还愿不愿意回来。
速度也值得一句提醒：跑通的 4 题，耗时中位数约 2 分钟，而 DeepSeek 同题组的中位数约 48 秒。K3 的思考过程更细、输出更厚，慢有慢的道理，但排队加生成的时间叠在一起，免费档的体感确实偏重。
要点实录（4 题，完整证据见 docs/reviews/kimi/）
| 题目 | 实际输出摘要 | 判定 |
|---|---|---|
| T2 写作约束 | 约 75 字短文，声音、气味、反问全中，画面感强 | 锚点 9.5 |
| T3 数学应用题 | 消元法 x=5、y=4，附验算 | 0 错（10 分档） |
| T4 联网核查 | 官方未发布→引第 57 次 11.25 亿/80.1%，并纠正 11.23 亿误传 | 0 错（10 分档） |
| T5 长材料归纳 | 输入完成，发送被限流弹窗拦截，重试一次仍被拦 | 未完成（限流） |
所以这份报告的结论，得拆成两半说。如果你每天就问几个问题、读几份文件，Kimi 的答案质量对得起任何期待，长文档和信源核查尤其见功力——写毕业论文的小陈这类人最合适：把几十页综述丢给它列要点，它连哪个数字常被张冠李戴都会提醒你。可如果你的用法是"连续高强度作业"，免费档的限流就是实打实的天花板，要么错峰用，要么把会员钱算进成本再对比。它像一辆动力很足的车，只是加油站排不排队，不看车的脸色。
局限性必须说得比平时更重：本报告实测样本为 1 天 4 题（另有 4 题未完成），且限流发生在特定时段（周一下午），能力面结论仅基于跑通的题目；K3 各模式未分开测试；分数时效 90 天，到期需复测——届时我们会优先补测完整题组。利益披露：本篇无联盟链接、无商业合作。
4 道题、近乎满分；另有 4 道题，连门都没进去。Kimi 的这份成绩单，一半是能力证明，一半是稳定性提醒——下个月复测时，我们最关心的不是它能答多好，而是那道没送进去的题，这次能不能发出去。