Kimi K3 深度测评：2.8T 开源旗舰离 Claude / GPT 还有多远

它是什么

Kimi K3 是 Moonshot AI 于 2026-07-16 上线的旗舰模型：2.8 万亿参数 Stable LatentMoE（每 token 激活 16/896 专家），基于 Kimi Delta Attention（KDA）与 Attention Residuals（AttnRes），原生支持视觉与视频输入，上下文 100 万 token。Moonshot 在官方技术博客中明确写道：K3 整体能力仍落后于 Claude Fable 5 与 GPT 5.6 Sol，但在其自评套件中已展现前沿级表现。

截至 2026-07-22，K3 可通过 Kimi.com、Kimi Work、Kimi Code 与 Kimi API 调用；完整权重承诺于 2026-07-27 发布，发稿时尚未可下载——Artificial Analysis 仍将其归类为 proprietary API 模型。

规格与架构速览（参数党）

硬指标：100 万 token 上下文；输入模态为文本、图像与视频（API 文档），输出为文本。架构上，K3 相对 Kimi K2 约有 2.5× 的整体 scaling efficiency（官方表述）；SFT 阶段起采用 MXFP4 权重 + MXFP8 激活的量化感知训练。

推理侧，K3 始终开启 thinking 模式，默认 reasoning_effort=max（low/high 后续开放）；多轮与 tool call 必须回传完整 assistant 消息（含 reasoning），否则质量可能崩溃——这是官方 Limitations 中强调的第一条。API 模型 ID 为 kimi-k3；OpenRouter 为 moonshotai/kimi-k3。K3 为充值解锁的旗舰 SKU（最低 $1 充值）。

定价与在哪调用

Moonshot 官方 API 定价（全 1M 窗口一口价，无长度分档）：cache-hit 输入 $0.30/MTok、cache-miss 输入 $3/MTok、输出 $15/MTok。本快照在 OpenRouter 主 listing（is_primary_listing=1）验证为 $3/$15；moonshot-direct 与 SiliconFlow 同样标注 cache $0.30；Groq 亦列出 $3/$15。

官方称 coding 工作负载下 cache hit 率可超 90%——长前缀 agent 环会显著拉低有效输入价。输出价是 miss 输入的 5 倍，长输出与 reasoning token 会放大账单。

家族内部对比：K2.6 → K3（测评）

K3 不是「更大的 K2.6」，而是一次架构代际跃迁。参数从约 1T 升至 2.8T；上下文从 262K 扩至 1M；模态从 vision 扩展到原生 video；注意力从 prior stack 换到 KDA + AttnRes。

价格层面，OpenRouter 主 listing 上 K2.6 为 $0.684/$3.42，K3 为 $3/$15——输入约 4.4×、输出约 4.4×，混合价约 4–5×。能力上，Artificial Analysis Intelligence Index v4.1 约从 K2.6 的 44 跃升至 K3 的 57（独立第三方，2026-07-22）。

选型结论：若你的 Kimi 工作流以长程自主编码、成本敏感、256K 够用为主，K2.6 仍是合理默认。若需要 1M 整仓、原生视频理解、或更接近闭源前沿的能力上限，才值得为 K3 付 4–5× 溢价。

与行业头部的真实差距（测评）

综合智力：Artificial Analysis Intelligence Index v4.1（同一方法论、独立运行）给出 Claude Fable 5 ≈60、GPT 5.6 Sol ≈59、Kimi K3 ≈57、Claude Opus 4.8 ≈56——三点级差，属于「同档前沿」而非碾压。Moonshot 官方亦承认整体仍落后 Fable 5 与 Sol。

编码分裂（来源：Moonshot 官方 benchmark 表 + 第三方解读，harness 不同不可直接横比）：Sol 在 DeepSWE（73.0）与 Terminal-Bench 2.1（88.8）领先；K3 在 SWE Marathon（42.0 vs Fable 35.0）、Program Bench（77.8）与 Frontend Code Arena（#1）更强；Fable 在 FrontierSWE（86.6）与 GDPval-AA v2 Elo（1760 vs K3 1668）领先。

Agent / 知识工作：Fable 在 JobBench、AA-Briefcase 更高；K3 在 BrowseComp（91.2）、AutomationBench、SpreadsheetBench 2 等 agent 向基准突出。体验侧，官方 Limitations 指出 thinking history 敏感、过度主动、UX 仍逊 Fable/Sol；AA 测得 K3 输出偏慢（~36 t/s）且 Index 评测 token 用量偏高——标价便宜不等于每任务便宜。以上均为外部 benchmark，非 AI Hippo 站内代理指标。

成本实测：两个场景（测评）

以下用本快照 OpenRouter 主 listing 单价推算（cache-miss 输入），不含 reasoning 冗余 token。

场景 A — agent 编码一轮（10 万输入 + 2 万输出）：K3 约 $0.60（$0.30+$0.30），K2.6 约 $0.14，GPT-5.6 Sol 约 $1.10，Fable 5 约 $2.00。K3 约为 K2.6 的 4.3×，但仍远低于 Fable。

场景 B — 长文档一轮（50 万输入 + 5 千输出）：K3 miss 约 $1.58；若 50 万输入全部 cache-hit（$0.30），同一轮约 $0.23 输入 + $0.075 输出 ≈ $0.30。Sol 约 $2.65，Fable 约 $5.25，K2.6 约 $0.36。

结论：K3 的定价优势在「长前缀 + 高 cache hit」的 agent 环里最明显；一旦 reasoning 拉长输出，真实账单会向 AA 的「每任务成本」靠拢。以上为规格与成本对比，非能力基准测试。

何时选它、何时别选

选 K3：长程 agent 编码（终端/浏览器环）、1M 整仓或长文档、需要原生视频理解、想在权重落地前以 API 试用接近前沿的开源路线、且能接受强制 thinking 与 harness 约束。

别选 K3 / 看别的：单次高质量专业交付（法律、财务建模）优先 Fable 5；要成熟 Claude Code 生态与最低 UX 摩擦 → Fable/Sol；纯吞吐、成本极敏感、256K 够用 → 留 K2.6；需要已可下载权重自建 → 等到 2026-07-27 后确认许可证与集群成本再决定。

用 AI Hippo 模型页、Token 页与对比页做定量取舍，而不是只看综合榜名次（该分数是上下文/美元代理指标，非能力 benchmark）。

落地检查清单

集成前请核对：harness 是否回传完整 thinking history（官方推荐 Kimi Code 等已验证兼容栈）；是否在会话中途从其它模型切换到 K3（会触发质量不稳定）；是否在 system prompt 或 AGENTS.md 中约束 K3 的过度主动行为。

运维侧：coding agent 应设计长前缀以利于 prefix cache；监控每任务 token（含 reasoning）而不只看标价。权重若于 2026-07-27 后发布，2.8T MoE 自建成本远高于 1T 级 K2.6——先算集群再谈「完全开源」。

来源

• Kimi K3 on AI Hippo
• Kimi K3 official tech blog
• Kimi K3 API quickstart
• Artificial Analysis — Kimi K3
• Moonshot AI
• OpenRouter models API