Kimi K3：马斯克 Impressed

文 | AI 唱反调

7 月 16 日晚，月之暗面扔出了 K3。2.8 万亿参数，Frontend Code Arena 1679 分，压过了 Claude Fable 5 的 1631 分。7 月 27 日前，完整权重开源。

官方博客里有句话很少见：" 整体表现仍落后于最强的闭源模型 Claude Fable 5 和 GPT-5.6 Sol，但在我们的整套评测中展现出前沿水平的能力，并稳定超过了其他所有模型。"

这种坦诚在国产大模型发布里算一股清流。它不装全能，只告诉你：我在编程这个主战场上，已经坐到了最靠前的位置。

1679 分，X 上先炸了

消息放出来后，X 上的时间线被 K3 刷屏。海外开发者这次没当看客，直接把它当成生产力工具来测。

震撼派

Guillermo Rauch，Vercel 的 CEO，做了 nextjs.org 的综合 Web 工程评测。他的结论很直接：K3 领先 Fable，开放模型第一次领先全部专有模型。这测的是真实工程能不能交付，不是算法题。Rauch 还补了一句：榜单不能讲完全部故事，最强模型的任务完成率也没有达到 100%。

Arena.ai 的数据更直观：Frontend Code Arena 1679 分，排名第 1。K2.6 之前排第 18，K3 直接跃升了 17 位。7 个前端领域，6 个第一。

Artificial Analysis 给了独立评测：综合指数 57，与 Claude Opus 4.8、GPT-5.5 处于接近区间；AutomationBench-AA 得分 53% 居首；长程知识工作 Elo 1547，仅次于 Fable 5。任务成本约 0.94 美元，低于 Opus 4.8。

连马斯克都在 Artificial Analysis 的推文下留了句 "Impressive"。

Sriram Krishnan 的评价更宏观：他把 K3 称为 " 对整个行业具有多重影响的重大时刻 "。

Emad Mostaque 更直接：" 美国实验室最终会去蒸馏中国模型。"

冷静派

但海外没被冲昏头脑。Simon Willison 做了他的经典鹈鹕 SVG 测试。K3 的结果较 K2.5 明显提升，图像理解也很好；但简单任务消耗了 1.6 万余输出 Token，其中约 1.32 万是推理 Token，成本约 0.25 美元。推理 Token 使用很重，效率边界仍待观察。

Ivan Fioravanti 在两项真实项目里称赞了 K3 的 UI、设计和速度，认为它较好地遵循指令；但指出模型 " 投入较多思考，偶尔越界加戏 "。它会自行扩展任务范围，而不是严格停在用户划定的边界里。

Bindu Reddy 更直接：提醒 K3 榜单成绩 " 过于突出 "，仍需用更难污染的测试继续验证。尚不能称为 Opus 级，特别是在长上下文、多轮、复杂 Agent 循环中。

Redis 作者 antirez 把 K3 放在开放权重模型快速进步的大背景里，同时强调：需要长期真实结果才能判断模型水平与实际贡献。

X 上的反应分成两派，但两派都承认一件事：K3 让全球 AI 从业者不得不重新评估中国开源模型的位置。它已经从 " 便宜替代品 " 的选项，变成了一个需要认真对比的生产力工具。

从 " 便宜能用 " 到 " 贵得有道理 "

如果把中国 AI 开源模型的全球冲击排个序，K3 大概是第三次。

第一次是 DeepSeek。年初 R1 以低成本、高效率震动全球，证明中国模型能在有限算力下做出顶尖性能。路线是 " 普惠 "，让全球开发者用得起。DeepSeek 的定价策略是 " 量大管饱 "，用极致性价比撕开市场。

第二次是 GLM。国内头部模型 ARR 半年从 1 亿飙到 10 亿，Code Arena 盲测全球可用模型第一，证明中国模型能赚钱。路线是 " 商业闭环 "，用快速变现证明商业模式跑得通。

第三次是 K3。2.8T 参数，Frontend Code Arena 第一，7 月 27 日开源完整权重。这是中国开源模型第一次同时在参数规模、前沿性能和全球开发者声量上冲击第一梯队。

三次冲击，三条路线。DeepSeek 证明 " 能便宜 "，GLM 证明 " 能赚钱 "，K3 证明 " 能贵得有道理 "。

这背后是一个更深层的变化：中国 AI 开源阵营正在从 " 速度套利 " 转向 " 价值定价 "。过去 12 个月里，有 9 个月开源模型的参数上限由 Kimi 保持。K3 算不上突然冒出来的，它是一条连续路线的终点。从 K2 的 1 万亿参数到 K3 的 2.8 万亿，架构上是自研 KDA 混合线性注意力加上 Attention Residuals，再配上 MoE（896 个专家激活 16 个），扩展效率提升约 2.5 倍。

7 月 27 日开源 2.8T，但绝大多数开发者根本跑不起来。即使做了量化，本地部署也需要多张高端显卡。所谓 " 开源 "，更像是开放一份 " 行业标准参考书 "。

说白了，开源是广告牌，API 是收费站。你看得到、学得到，但用不起，最终还得回来找我。把 KDA 贡献给 vLLM 社区，是在买生态门票。产业界早就在用这套玩法：输出技术标准、建立开发者认知、降低试用门槛，最终把流量导向 API。

贵有贵的代价

K3 的 " 性格 " 很鲜明。它愿意投入大量推理换交付质量，但简单任务里显得 " 用力过猛 "。

Fioravanti 在真实项目里发现，K3" 投入较多思考，偶尔越界加戏 "。它会自行扩展任务范围，而不是严格停在用户划定的边界里。Willison 的实测更量化：简单任务消耗 1.6 万余输出 Token，其中约 1.32 万是推理 Token，成本约 0.25 美元。默认 max 模式下，推理 Token 占比极高。

这更像是 K3 自带的工作风格。它假设用户愿意为交付质量付溢价，所以默认拉满推理链条。但问题是：简单任务不需要这么重的思考。未来能不能在 harness 上做得更好、更节省 Token，知道什么时候该停、什么时候该用力，是 K3 的下一道门槛。

Token 烧得快，意味着实际成本比账面价格更高。缓存命中 0.30 美元看起来很香，但默认模式下推理 Token 占比极高，简单任务也能烧出 0.25 美元。如果控制不好停止条件，成本会快速膨胀。Artificial Analysis 的独立页面也指出，K3 速度低于同档平均、输出偏冗长。

K3 走的不算普惠路线，更像生产力工具路线。它假设用户是愿意为好结果付溢价的企业开发者，不是追求极致性价比的个人用户。

价格确实贵。API 输出涨到 15 美元，未命中输入 3 美元，对比国产同行（DeepSeek、混元 Hy3 仅 1 元 / 百万 token）明显更高。但第三方实测 K3 成本仅为 Fable 5 的四分之一。" 贵 " 是相对于国产模型，相对于海外旗舰它依然是 " 高端性价比 "。

Kimi 选了更难走、也更值钱的那条路。DeepSeek 让全球开发者用得起，Kimi 让全球开发者用得好。两条路没有高下，但 K3 证明了一件事：中国 AI 不仅能 " 便宜 "，还能在高端生产力场景里卡位。

当然，差距还在。官方自己承认整体落后 Fable 5 和 GPT-5.6 Sol。Bindu Reddy 提醒榜单需验证，antirez 强调 " 要看长期真实结果 "。在前端编程和 Agent 任务上，K3 惊艳；在复杂统计和长程 Agent 循环上，它仍有明显距离。

" 局部领先、全局追赶 " 是 K3 最准确的画像。K3 算不上稳妥的聊天机器人，它更像一个愿意主动行动、更擅长交付视觉结果、也更需要校验停止条件的 Agent 模型。

小小震撼，刚刚好

K3 没有宣称全面超越，它只是在特定战场证明中国开源模型可以坐第一排。X 上的热议、Vercel CEO 的背书、外媒的 " 下一个 DeepSeek 时刻 "，这些反馈本身说明，K3 让全球 AI 从业者不得不重新评估中国模型的位置。

有震撼也有遗憾，有领先也有短板。这种 " 刚刚好 " 的真实感，比任何 " 全面碾压 " 的宣传都更有说服力。