Kimi K3 发布：开放模型第一次真正摸到闭源前沿？

2026 年 7 月 16 日，月之暗面正式发布 Kimi K3。

这款模型最显眼的数字是 2.8 万亿参数、100 万 token 上下文，以及 896 个专家中每次激活 16 个专家。月之暗面将它称为全球首个“3 万亿级开放模型”，并把目标直接放在长程编程、知识工作、深度研究和复杂推理上，而不再只强调聊天体验或低成本替代。

Kimi K3 已经上线 Kimi 网页端、手机 App、Kimi Work、Kimi Code 和 API。官方同时宣布，完整模型权重将在 2026 年 7 月 27 日前发布。

这可能是过去一年中最值得关注的国产模型发布之一。但与社交媒体上的“全球第一”“全面超越 Claude”等说法相比，K3 的真实位置要复杂得多：它确实在一些重要任务上进入了全球第一梯队，甚至拿到了单项第一；但在综合能力、部署成本、输出效率和产品成熟度上，它仍然没有全面击败最强闭源模型。

不是“综合全球第一”，但前端能力确实登顶了

Kimi K3 发布后传播最广的一项成绩，是在 Arena WebDev 榜单上拿到 1679 分，超过 Claude Fable 5 的1631分和 GPT-5.6 Sol 的1618分，暂列第一。

不过，这项成绩需要放回具体语境中理解。

WebDev Arena 测试的是前端网页开发能力，包括页面设计、交互实现和需要多步工具操作的 Agent 编程任务，并不是覆盖所有知识、推理和编程能力的综合榜单。K3 的1679分目前还带有“Preliminary”标记，意味着样本量和排名稳定性仍有继续变化的可能。

即便如此，这个结果仍然很有分量。过去的模型编程评测往往更看重算法题、代码补全和错误修复，而 WebDev Arena 同时考验代码、视觉审美、布局理解、交互设计和浏览器反馈。K3 在这里领先，说明它不只是“会写代码”，而是开始表现出较强的界面规划和产品实现能力。

一位社区观察者统计称，K3 在 WebDev 榜单的七个细分类别中拿下六个第一，包括品牌营销、参考图还原、数据分析页面等，其排名较 K2.6 从第18位跃升至第1位。国内社区随后出现了大量“一句话生成小游戏”的演示，涉及复古游戏、卡牌界面和交互式数据页面。

这也是 K3 发布初期口碑最集中的部分：它生成的前端作品往往不只是功能可运行，视觉完整度、动画效果和界面层次也比较突出。

但“前端第一”不能被直接改写为“代码能力全面第一”，更不能等同于“综合智能全球第一”。

更准确的位置：开放模型前沿，综合能力仍落后于最强闭源模型

月之暗面在官方材料中没有宣称 K3 已经全面超越 Claude Fable 5 或 GPT-5.6 Sol。相反，官方明确承认，K3 的整体表现仍落后于这两个最强闭源模型。

Artificial Analysis 的独立评测也支持这一判断。Kimi K3 在其 Intelligence Index 中得到57分，属于当前领先模型之一，但总体位置更接近 Claude Opus 4.8 和 GPT-5.5，仍落后于 Fable 5 与 GPT-5.6 Sol。

因此，描述 K3 最准确的方式，并不是“新的全球最强模型”，而是：

它可能是目前最接近闭源能力上限的开放权重候选模型之一，并且在部分真实任务上已经能够击败顶级闭源模型。

K3 在几类任务上的表现尤其突出。

在 BrowseComp 长周期检索评测中，官方公布的成绩为91.2，领先 Fable 5 和 GPT-5.6 Sol；在衡量真实职业知识工作的 GDPval-AA v2 中，K3 得到1687分，位于 Fable 5 Max 和 GPT-5.6 Sol Max 之后；在 AA-Briefcase 私有 Agent 评测中，K3 排名第二，超过 GPT-5.6 Sol Max，仅次于 Fable 5 Max。

编码方面，第三方整理的官方数据包括 DeepSWE 67.5、ProgramBench 77.8、Terminal-Bench 2.1 88.3、FrontierSWE 81.2，以及 SWE Marathon 42.0。这些成绩表明 K3 在终端操作、长期代码任务和软件工程 Agent 场景中非常有竞争力。

但这些数据不能简单横向相加。官方评测表中混合使用了 Kimi Code、Claude Code、Codex 和其他 Agent 框架，不同模型所使用的工具、提示词、上下文管理方式和执行环境并不完全相同。

对于 Agent 模型来说，框架本身就是能力的一部分。同一个基础模型接入不同代码执行器、搜索工具和上下文压缩策略，最终成绩可能出现明显差异。因此，这些结果足以证明 K3 值得进入企业和开发者的候选名单，却还不足以证明它是所有编码任务上的统一最优解。

社区为什么对 K3 如此兴奋？

目前的社区正面评价主要集中在三个方面。

首先是它在真实工作流中的完成度。相比只会给出代码片段的模型，K3 更倾向于持续调用工具、运行程序、检查浏览器结果，再根据反馈修复问题。一项由月之暗面赞助的第三方 KingBench 实测中，K3 得到62/80，综合排名第三，落后于 Fable 5 和 Opus 4.8；但评测者认为，它在长程 Agent 任务、前端动画、SVG、Three.js 和工具使用上表现突出，甚至在部分真实 Agent 工作中优于 Opus 4.8 和 GPT-5.6 Sol。

这项评测带有赞助关系，不能视为完全中立的证据，但它反映的体验与 Arena 前端榜、部分社区演示基本一致：K3 的优势不只在回答单个问题，而在持续执行一整段任务。

其次是模型的能力跨度。K3 原生支持视觉输入，并提供100万 token 上下文，可以同时处理大型代码仓库、长文档、图片、表格和多轮工具历史。官方 API 文档显示，K3 当前始终启用推理，reasoning_effort 暂时只支持 max，未来才会增加较低的思考档位。

这解释了为什么不少用户感觉它“愿意把任务做完”，同时也解释了响应较慢、输出成本较高的问题。

第三是开放权重的预期。如果月之暗面按计划发布完整权重，企业将有机会对 K3 进行私有部署、定制微调和内部评测，不必把所有敏感数据交给外部 API。对于金融、科研、政企和大型软件研发团队，这种可控性有时比每百万 token 的价格更重要。

2.8万亿参数背后，真正值得关注的是架构

单纯把参数量做大，并不必然带来更好的模型。K3 更值得关注的地方，是月之暗面为了支撑这个规模所采用的三组架构设计。

第一组是 Kimi Delta Attention，也就是 KDA。

传统全注意力需要让序列中的 token 彼此计算关联，其计算和缓存压力会随序列长度迅速增长。需要纠正的是，这通常是平方级增长，而不是原稿所说的“指数增长”。

KDA 使用混合线性注意力机制，在需要精确回看的部分保留完整注意力，在其他部分通过更紧凑的状态表示处理历史信息。按照官方数据，在百万 token 场景中，KDA 最高可以带来6.3倍的解码加速。

这并不代表所有请求都会快6.3倍。它主要针对超长上下文，并且实际提升还会受到输入长度、硬件、并行方式和缓存命中率影响。但对于大型代码库和长文档任务，注意力机制的变化可能比参数量本身更重要。

第二组是 Attention Residuals，简称 AttnRes。

传统残差连接会让信息逐层累积，而 AttnRes 允许模型有选择地从不同深度检索表示。简单来说，它不再要求每一层都只依赖紧邻的上一层，而是能够更灵活地找回前面某些层保留下来的信息。

官方称，这一设计以不到2%的额外成本，带来了约25%的训练效率提升。它解决的是模型“深度”方向的信息流动问题，而 KDA 主要解决“序列长度”方向的问题。

第三组是更稀疏的 MoE，也就是混合专家架构。

K3 一共有896个专家，但每个 token 只激活其中16个。这意味着模型拥有巨大的总知识容量，却不需要在每次推理时调用全部2.8万亿参数。配合 Stable LatentMoE、训练方法和数据配方优化，月之暗面称 K3 相比 K2 的整体扩展效率提升了约2.5倍。

因此，2.8万亿是模型的总参数量，不是每生成一个 token 都会完整计算的参数量。把总参数直接等同于推理计算量，会严重高估它的单 token 计算成本。

但另一方面，所有专家的权重仍然需要被存储和调度。MoE 可以降低每一步的计算量，却不会让2.8万亿参数凭空消失。

“开放权重”不等于普通人可以本地运行

原稿认为，K3 开放权重将“极大降低企业自建顶尖模型的门槛”。这个判断需要反过来说。

开放权重降低的是许可、研究和供应商锁定门槛，但 K3 巨大的模型规模会显著抬高硬件和工程门槛。

仅从理论存储量估算，2.8万亿参数以 BF16 保存就需要约5.6TB空间；即使压缩到4bit，也要约1.4TB，这还没有计算路由层、视觉模块、运行时缓存、并发冗余和框架开销。真正高性能部署还需要多机互联、专家并行、负载均衡和专门适配过的推理框架。

社区已经指出，在权重格式、许可证、显存需求和官方部署指南真正公布以前，“能够自建 K3”仍然只是一个假设，而不是已经得到验证的工程结论。

因此，K3 的开放价值主要面向云服务商、大型企业、研究机构和推理基础设施厂商。普通开发者更现实的使用方式仍然是官方 API 或第三方托管服务。

这也构成了 K3 最有意思的矛盾：它可能是目前能力最强的开放权重模型之一，同时也可能是最难自行部署的开放模型之一。

定价争议：国产模型开始放弃“低价替代”叙事

Kimi K3 API 的价格是每百万输入 token 3美元、每百万输出 token 15美元，缓存命中输入价格为0.3美元。

这个定价明显高于人们对国产开放模型的传统预期。

Artificial Analysis 认为，K3 的智能水平属于领先梯队，但与相近模型相比价格偏高。其 Intelligence Index 测试中，K3 一共生成约1.3亿个输出 token，而同类模型平均约为6300万个，完成整套评测花费2690.8美元。

这意味着，评估模型成本不能只看标价。模型是否容易过度推理、一次任务需要生成多少 token、是否会重复调用工具，以及完成任务的成功率，都会影响真实支出。

Reddit 上关于 K3 定价的一则讨论获得了268个赞和117条评论。部分用户认为，3美元输入、15美元输出已经进入前沿模型价格区间，K3 不再是典型的“便宜中国模型”；也有人认为，如果它确实能在一次运行中完成原本需要多次重试的任务，那么较高的单 token 价格仍然可能带来更低的总任务成本。

这个变化或许比参数数字更值得重视。

过去国产大模型在海外市场的典型叙事是“能力接近，但价格便宜很多”。K3 正在尝试另一种路线：能力进入第一梯队后，也争取第一梯队的定价权。

这说明月之暗面不再满足于成为闭源模型的廉价替代，而是希望 Kimi 能够作为独立的前沿模型品牌参与竞争。

当前短板：慢、贵、依赖框架，而且仍需人工验证

K3 发布后的负面反馈，主要集中在效率、稳定性和使用复杂度上。

首先是输出速度和响应等待。Artificial Analysis 测得 K3 的输出速度约为每秒62个 token，不能算非常慢，但在当前模型中只得到2/4的速度评级。由于 K3 目前默认只能使用最大思考强度，简单问题也可能承担较重的推理开销。

其次是输出偏长。Artificial Analysis 的评测中，K3 生成的 token 数量约为同类平均值的两倍。这既可能说明它愿意进行更完整的推理，也可能意味着它在部分任务中过于啰嗦，增加了延迟和费用。

再次是上下文管理要求较高。官方提醒，K3 在后训练中使用了完整思考历史保留模式。如果 Agent 框架没有正确回传历史推理内容，或者用户在同一个会话中途从其他模型切换到 K3，可能造成上下文干扰和质量波动。

这意味着 K3 并不是换上模型名称就能立即发挥最佳能力。SDK、消息结构、思考历史和工具循环都必须正确适配。官方文档也要求开发者把 SDK 返回的完整 assistant message 加入历史，不能只保留文本和工具调用字段，否则可能丢失推理上下文。

最后，社区的早期演示存在明显的幸存者偏差。发布首日，人们更愿意分享成功生成的炫酷网页和小游戏，而失败案例、重复尝试次数、完整提示词、实际花费和人工修改量往往没有同时公布。部分高热度视频还带有官方赞助或推广关系。

因此，目前可以确定的是 K3 的能力上限很高，但还不能根据少量精心挑选的演示，判断它在长期生产环境中的平均成功率。

K3 的真正意义，不只是“又一个更大的模型”

如果只看2.8万亿参数，Kimi K3 很容易被理解为一次规模竞赛。但它真正释放出的行业信号至少有三层。

第一，开放权重模型与最强闭源模型的差距正在从“代际差距”缩小为“任务差异”。K3 并没有全面领先 Fable 5 和 GPT-5.6 Sol，却已经能在前端开发、长周期检索和部分 Agent 任务上正面取胜。

第二，模型竞争正从单轮问答转向完整工作系统。模型能不能调用工具、维护长程状态、运行代码、检查结果并自我修复，越来越比一道数学题或一段代码补全更重要。

第三，国产模型开始争夺高端定价权。K3 的价格并不便宜，但月之暗面显然认为，开放权重、长上下文、复杂任务能力和供应链可控性本身就具有商业价值。

结语：不是“全面登顶”，但已经改变了比较方式

Kimi K3 不是一个已经全面击败 Claude 和 GPT 的模型。

在综合智能、用户体验、效率和产品成熟度上，月之暗面自己也承认，它仍然落后于最强闭源模型。它的部分官方评测使用了不同 Agent 框架，开放权重也尚未在发布当天兑现，社区反馈仍处于早期且偏向成功案例。

但如果因此认为 K3 只是一次参数营销，同样会低估它。

它在 WebDev Arena 中取得第一，在长周期检索和知识工作评测中进入前列，并通过 KDA、Attention Residuals 和高稀疏 MoE 尝试解决超长上下文与超大规模模型的效率问题。更重要的是，它证明开放模型不再只能依靠“便宜”和“够用”参与竞争，而是开始在少数核心任务上直接争夺最强位置。

所以，Kimi K3 更像是一个分界点，而不是终点。

在它之前，人们讨论的是开放模型还要多久才能追上闭源模型；在它之后，更有意义的问题可能变成：对于某一个具体任务，开放模型是否已经是更好的选择？

真正决定 K3 历史位置的，也不是发布当天的排行榜，而是7月27日之后的权重、许可证、第三方部署结果，以及未来几个月真实生产环境中的成功率和成本。

在这些数据出现以前，最稳妥的结论是：

Kimi K3 尚未全面登顶，但开放模型第一次如此清晰地触碰到了闭源前沿。