中国のAIスタートアップ Moonshot AIは、同社の次世代マルチモーダル推論モデル「Kimi K3」が、Webブラウザを介した自律エージェントの操作能力を評価する難関ベンチマーク「WEBarena」において、スコア1679を記録し世界首位を獲得したと発表しました（一次ソース：Moonshot AI公式リサーチ発表）。
WEBarenaは、AIがオンラインの買い物、フライト予約、フォーラム投稿、社内管理ツールなどの複雑なWeb画面を実際に人間の代わりに自律操作し、タスクを完結できるかを測る高度な実務テストです。今回の検証により、これまで首位を守っていた Anthropicの Claude Fable 5（スコア1631）および OpenAIの GPT-5.6 Sol（スコア1618）の記録が塗り替えられ、中国製AIモデルがエージェント性能でトップに躍り出た形となります。
リサーチレポートによれば、Kimi K3はWeb操作に最適化されたマルチステップの思考ルーチンを内蔵しており、前世代の Kimi K2 と比較して画面認識とアクション選択の推論ループを3倍以上高速化。さらに、ページ遷移やポップアップの誤検出に対する自動バックトラック（やり直し）ロジックが強化され、成功率を大きく引き上げたとのことです。ビジネスシーンにおいて、社内システムやWebサービスをAIに完全自律操作させて業務を自動化する「コンピュータ・ユース」の実用化が大きく加速します。