7.9
深览指数
科技腾讯新闻·硅星人Pro··AI 生成
Kimi K3：很强，很贵，很爱给你炫技
本文实测了月之暗面最新旗舰模型Kimi K3在代码生成、需求理解和调试三方面的能力，验证了其强大的长程Agent能力，但同时也揭示了其输出模板化、推理耗时过长、定价高昂等现实问题。作者指出，K3不再走低价路线，而是进入前沿模型定价区间，且百万token上下文成为付费权益，这可能会改变中国开源模型产业的评价标准——从“性价比”转向“真实生产力价值”。原文 ↗
核心观点
- ▍Kimi K3在从零生成、需求理解和小型代码调试方面表现很强，但存在输出模板化、推理耗时过长的问题，且定价高昂，不再走低价路线，这将改变中国开源模型产业的评价标准。
- 01K3的架构参数：2.8万亿参数，MoE架构，896个专家，原生支持100万token上下文，相较K2整体扩展效率提高约2.5倍。
- 02Benchmark数据显示K3整体表现落后于Claude Fable 5和GPT-5.6 Sol，但稳定超过其他受测模型，达到前沿水平。
- 03从零生成测试：K3用Three.js重现“死星战壕突袭”，完成了生成、运行、观察结果、调整参数的完整闭环，HUD记录18.1公里航程、89次闪避和2次损失。
- 04需求理解测试：K3在含有18条矛盾要求的prompt中，开工前识别并合并了7个矛盾点（如“宣传200席但上限300”），在拍板后服从执行。
- 05代码调试测试：K3在3分03秒内定位并修复了一个权限缓存Bug，增加三档权限scope并补全回归测试，通过全部5项隐藏测试。
- 06API定价：K3输出价格100元/百万token，约为K2.7 Code的4倍，进入前沿模型定价区间。编程场景缓存率超90%，但输出端无类似对冲手段。
- 07百万token上下文分层：Moderato用户仅能用256K，Allegretto及以上才能用1M，将上下文长度做成会员权益在行业内少见。
反方 / 局限
- — 作者指出，K3输出的UI风格存在模板化问题，类似“DeepSeek R1写的那些诗歌”，乍看炫目但看多了感到套路。
- — 作者指出，K3在复杂工程维护、大型代码库理解、多人协作场景下的表现缺乏可靠测试数据，推理速度是现实约束（游戏case耗时近一小时）。
- — 官方坦承K3在任务执行中“过于主动”，会在用户意图模糊时替用户做决定。
- — K3开源权重推荐在64个或更多加速器的supernode上部署，实际能运行的机构不多，可能削弱“开源”的实际意义。
9 分钟 · 3 卡片 · 9 资料
读原文 →