Kimi K3

Kimi K3不是一次常规版本升级，而是月之暗面从“优秀国产模型”向“全球前沿模型”发起的一次正面冲击。

综合官方基准、Artificial Analysis独立评测、Arena与媒体披露的数据，Kimi K3目前大致处于以下位置：

综合能力进入全球第一梯队，但尚未稳定超过最顶级闭源模型；代码智能体、长任务执行、网页前端、搜索和知识工作是其突出强项，速度、输出成本、冗长程度和复杂专业任务的可靠性仍是主要短板。

综合评级：

总体评分：8.8/10。

K3已经足以成为Claude、GPT之外的主力生产模型，尤其适合复杂编程、研究报告、网页构建、长文档分析和多工具Agent任务。

套餐价格与API价格对比

1.个人订阅套餐价格

Kimi的订阅价格整体与OpenAI和Anthropic形成直接对应：￥39对标 $20基础专业档，￥79对标 $100高用量档，￥159对标 $200最高个人档。Kimi的优势是同一会员同时覆盖网页端、Kimi Code、Agent、Swarm和部分部署功能；OpenAI和Anthropic则拥有更成熟的模型生态、工具链和国际开发者支持。

需要注意，三家均采用动态额度、周期重置和并发限制，月费相同不代表可用Token或可完成任务数量完全相同。Kimi主要以周额度及Agent次数计量，OpenAI和Anthropic则根据模型、功能和时间窗口实施不同限制。

2.最新旗舰模型API价格

单位：美元/100万Token，采用标准实时API价格。

Claude Sonnet 5的 $2输入、 $10输出属于截至2026年8月31日的限时价格；自2026年9月1日起，标准价格将调整为 $3输入、 $15输出。

以Kimi K3为基准：

• GPT-5.6 Sol普通输入价格约为K3的1.67倍，输出价格为2倍。
• Claude Fable 5普通输入价格约为K3的3.33倍，输出价格约为3.33倍。
• Claude Opus 4.8普通输入价格约为K3的1.67倍，输出价格约为1.67倍。
• Claude Sonnet 5限时价格低于K3，但其定位更偏向速度与成本平衡，而非Anthropic最高能力型号。
• K3的缓存输入价格仅为普通输入的10%。官方称编程工作负载中的缓存命中率可超过90%，在重复读取大型代码库时成本优势会进一步扩大。

3.API成本示例

假设一次复杂Agent任务消耗100万普通输入Token和20万输出Token，不考虑工具调用费、缓存及批处理折扣：

从纯Token价格看，K3明显低于GPT-5.6 Sol、Claude Opus 4.8和Claude Fable 5。但真实任务成本还取决于模型完成任务所需的输出长度、失败重试次数、工具调用次数和是否有效命中缓存。K3在部分独立评测中表现出较高的Token消耗，因此“单价较低”不必然等于“完成同一任务的总成本最低”。

官方价格来源：

• Kimi K3官方发布与API价格
• Kimi会员与Kimi Code套餐
• ChatGPT Plus价格说明
• ChatGPT Pro档位说明
• OpenAI API价格
• Claude个人套餐价格
• Claude API价格

模型定位与技术规格

月之暗面于2026年7月16日正式发布Kimi K3。官方将其定位为面向长周期编程、知识工作和深度推理的旗舰模型。

K3的核心规格包括：

• 总参数量约 2.8万亿
• MoE架构，896个专家中每次有效激活16个
• 原生支持文本与图像输入
• 上下文窗口达到 100万Token
• 使用Kimi Delta Attention、Attention Residuals和Stable LatentMoE
• 从监督微调阶段开始采用量化感知训练
• API默认使用最高思考强度
• 完整模型权重计划于2026年7月27日前发布

月之暗面称，新的架构和训练方法使K3相对于K2获得约2.5倍的整体Scaling效率提升。需要注意，这一数字属于官方内部测算，目前技术报告尚未完整公开，外界还不能复现验证。

来源：Kimi官方博客

官方主视觉

独立综合评测：确实进入前沿梯队

Artificial Analysis给Kimi K3的Intelligence Index评分为 57分，当前页面显示其在同类模型中排名第4。该指数由GDPval-AA、Terminal-Bench、SciCode、Humanity’s Last Exam、GPQA Diamond、AA-Omniscience等九项评测组合而成，比单一数学或代码跑分更能反映综合能力。

来源：Artificial Analysis：Kimi K3

Artificial Analysis综合智能评分

与上一代Kimi K2.6相比：

• 综合指数从44提升到57，约提高30%
• 输出速度从46 Token/s提升到62 Token/s
• 首Token延迟从2.72秒降至1.99秒
• 上下文从约26万Token提升至100万Token

这说明K3并不是单纯依赖更长推理提高分数，而是在智能、速度和上下文容量上同时进步。

来源：Artificial Analysis模型对比

不过，Artificial Analysis也发现K3存在明显效率问题：

• 输出速度约62 Token/s，低于同档模型约72.7 Token/s的中位数
• 完成整套综合评测输出了约1.3亿Token，接近同档模型中位数的两倍
• 输入价格为3美元/百万Token
• 输出价格为15美元/百万Token
• 完成整套指数测试成本约2709.75美元

因此，K3的“智力性价比”不差，但并不是低成本或高吞吐模型。它更像一个愿意消耗更多推理Token换取成功率的旗舰Agent模型。

来源：Artificial Analysis：Kimi K3

编程能力：目前最具说服力的优势

K3最强的部分并不是传统算法题，而是真实软件工程和长周期Agent编程。

官方公布的代码评测中：

官方编程基准图

这些结果表明，K3特别擅长：

1. 在大型代码仓库中持续工作；
2. 调用终端、编译器和测试工具；
3. 长时间迭代而不是只生成一次代码；
4. 将图像反馈加入网页、游戏和CAD开发过程；
5. 处理需要数小时甚至数十小时的工程任务。

K3还展示了自主开发MiniTriton编译器、优化GPU Kernel、完成科研代码复现，以及在48小时内设计和验证简单AI芯片的案例。但这些案例主要由官方提供，环境、失败次数、人工介入程度尚未完全公开，因此应视为能力上限展示，而不是普通用户每次都能复现的稳定结果。

来源：Kimi官方博客

K3已经是全球最强的开源权重编程模型候选之一。在长周期编程任务上，它可能超过部分GPT和Claude型号；但在最困难的代码任务中，Fable 5和GPT-5.6 Sol仍有小幅领先。

Agent与知识工作：K3真正拉开差距的领域

K3在General Agent评测中的表现非常突出：

官方Agent基准图

BrowseComp达到91.2尤其值得关注。该测试强调通过浏览器搜索、筛选信息和多步推理找到难以直接检索的答案。K3在100万Token、不进行上下文压缩时也取得90.4分，说明其超长上下文不是纯粹的宣传规格，而是能够在部分Agent场景中转化为实际效果。

来源：Kimi官方博客

官方内部知识工作测试中，K3在在线实验、PPT制作和金融分析上也超过GPT-5.5与Claude Opus 4.8。但这是内部数据，测试集和裁判细节没有完全公开，可信度低于第三方结果。

Kimi K3内部知识工作测试

K3的核心竞争力是“完成一项工作”，而不只是“回答一道题”。在深度研究、网页搜索、表格、PPT、代码仓库和多工具调用场景中，它比普通聊天模型更有价值。

多模态能力：强，但当前重点仍是理解而非生成

K3支持原生视觉输入，可以理解图片、网页截图、图表和视频帧，并将视觉反馈用于代码修改。

官方结果显示：

• CharXiv视觉图表推理：91.3
• ZeroBench with tools Pass@5：44.0
• 支持通过截图反复检查和修正网页、游戏及CAD结果

在CharXiv中，K3低于Fable 5的93.5，但高于Opus 4.8、GPT-5.6 Sol和GPT-5.5；在ZeroBench工具模式中，则仅低于Fable 5。

不过，K3目前仍是“图像输入、文本输出”模型，不应与原生图像生成或视频生成模型混为一谈。其多模态价值主要体现在视觉理解、图表分析、截图调试和Agent操作。

质疑与真实使用风险

1. 跑分受到Agent框架影响

K3使用KimiCode、Claude Code或其他Harness进行测试，而竞品可能使用Codex、Terminus等不同框架。Agent基准测到的是“模型+工具框架+提示词+上下文管理”的综合能力，不能完全归因于模型本身。

官方也明确披露，不同测试采用了不同Harness，部分Fable 5运行还可能回退至Opus 4.8。

来源：Kimi官方博客

2. 专业推理仍可能犯基础错误

沃顿商学院教授Ethan Mollick使用K3审查复杂统计研究时，发现其错误应用统计方法，并在多个环节产生问题。这说明K3即使能够生成结构完整、语言自信的长报告，也不代表核心方法一定正确。

来源：Business Insider相关报道

在法律、金融、医学、统计和科研场景中，必须要求：

• 明确列出推导过程和数据来源；
• 使用代码重新计算；
• 对关键结论进行第二模型或人工复核；
• 不因报告长度和格式完整而提高信任度。

3. 容易过度行动

月之暗面主动披露，K3为复杂长任务进行了强化训练，因此在面对模糊要求或小问题时，可能未经确认便替用户作出决定。对于会修改文件、执行代码、调用外部服务的Agent，这类“过度主动”是现实风险。

来源：Kimi官方博客

4. 对思考历史较敏感

K3采用保留式思考历史训练。如果Agent框架没有正确回传历史推理内容，或者用户在对话中途从其他模型切换到K3，输出质量可能出现明显波动。官方建议优先使用兼容的Kimi Code，并避免中途切换模型。

来源：Kimi官方博客

5. 参数开放不等于容易部署

2.8万亿参数即使采用16/896专家稀疏激活，也不适合普通工作站部署。官方建议使用至少64张加速卡组成的Supernode配置。路透社援引分析指出，完整本地运行可能需要价值数十万美元的硬件。

来源：Kimi官方博客

因此，K3的“开放权重”价值主要属于云服务商、研究机构和大型企业，而不是普通开发者的单机私有部署。

成本与产品实用性

K3官方API价格如下：

官方称，在编程工作负载中，Mooncake推理架构的缓存命中率可超过90%。如果项目反复使用同一代码仓库或文档，缓存可以显著降低成本；若任务每次输入完全不同，价格优势会明显缩小。

来源：Kimi官方博客

适合使用K3的任务：

• 大型代码库重构
• 复杂网页或互动产品开发
• 深度研究与多来源资料核验
• 超长文档、财报、论文和合同分析
• 表格、PPT和咨询报告制作
• 多工具、多步骤自动化流程

不适合作为默认模型的任务：

• 简单客服问答
• 高频短文本生成
• 对延迟极敏感的实时应用
• 对输出成本极敏感的大规模批处理
• 需要严格可控、不得自行扩展任务边界的自动化系统

最终定位

Kimi K3的真实水平可以概括为：

它不是全球绝对最强模型，但已经是最接近顶级闭源模型的开放权重模型之一，并在长周期编程、前端开发、搜索Agent和知识工作中达到甚至局部超过部分顶级闭源模型的水平。

与主要模型相比：

• 对比Claude Fable 5：总体仍落后，部分代码、搜索和自动化任务接近或局部领先。
• 对比GPT-5.6 Sol：综合体验和部分高难推理仍有差距，但Terminal、Program Bench和部分Agent任务已接近。
• 对比Claude Opus 4.8：K3在多数公开编程和Agent评测中更强。
• 对比GPT-5.5：K3大部分综合与工程测试更强。
• 对比GLM-5.2、Qwen3.7 Max：K3综合智能和长任务能力领先，但成本及速度未必占优。
• 对比Kimi K2.6：属于明显的代际升级，而不是小幅迭代。

目前最合理的评价不是“K3已经登顶全球”，而是：

中国模型首次在综合智能、复杂软件工程和Agent知识工作三个方向上，同时逼近全球最强闭源模型。

由于K3发布仅数日，完整技术报告、开放权重、更多第三方长周期测试和大规模真实用户反馈仍未完全出现。现阶段应对其能力保持高度认可，同时避免把官方案例和早期榜单当作稳定生产成功率。

参考资料

1. Kimi K3官方博客
2. Artificial Analysis：Kimi K3
3. Artificial Analysis：Kimi K3与Kimi K2.6对比
4. Reuters：Moonshot unveils Kimi K3
5. Business Insider：Kimi K3外部评价
6. Business Insider：Kimi K3模型、基准与价格
7. Times of India：Kimi K3发布报道