Kimi K3：馬斯克 Impressed

月之暗面在7月16日晚間正式推出新一代大語言模型K3，這款擁有2.8萬億參數的模型在Frontend Code Arena評測中獲得1679分，超越Claude Fable 5的1631分，登上該榜單首位。官方同時宣布，將在7月27日前釋出完整權重，採取開源策略。值得注意的是，月之暗面在官方部落格中罕見地坦承：「整體表現仍落後於最強的閉源模型Claude Fable 5和GPT-5.6 Sol，但在我們的整套評測中展現出前沿水平的能力，並穩定超過了其他所有模型。

」這種不諱言短板、聚焦特定戰線的態度，在中國國產大模型發布中並不多見，也讓外界對K3的定位有了更清晰的認識——它並非全能選手，而是在程式設計這個核心戰場上，直接坐到了最前排。K3的消息在X（原Twitter）上迅速發酵，海外開發者沒有像過去那樣只當旁觀者，而是直接把它當作生產力工具進行實測。Vercel執行長Guillermo Rauch用nextjs.org的綜合Web工程評測進行測試，結論非常直接：K3領先Fable，而且這是開放權重模型首次在真實工程交付能力上領先所有專有模型。Rauch特別強調，這不是演算法題的較量，而是能否真正完成任務的考驗。Arena.

ai的數據進一步印證了這個趨勢：Frontend Code Arena 1679分排名第一，而K3的前一代K2.6僅排在第18位，一舉躍升17個名次；在7個前端細分領域中，K3拿下了6個第一。Artificial Analysis的獨立評測則給出綜合指數57，與Claude Opus 4.8、GPT-5.5處於相近區間，AutomationBench-AA得分53%位居首位，長程知識工作Elo 1547僅次於Fable 5。最引人注目的是，馬斯克本人也在Artificial Analysis的推文下留言「Impressive」，這一反應讓K3的討論熱度再攀高峰。

Sriram Krishnan從更宏觀的角度評價K3，稱其為「對整個行業具有多重影響的重大時刻」。Emad Mostaque則直言：「美國實驗室最終會去蒸餾中國模型。」這些來自海外AI圈重量級人物的發言，顯示K3已不僅僅是中國市場內的話題，而是全球AI社群重新審視中國開源模型實力的關鍵節點。不過，海外社群並未一面倒叫好，冷靜派的聲音同樣清晰。Simon Willison用經典的「鵜鶘SVG測試」進行實測，發現K3的表現較K2.5有明顯提升，圖像理解能力也相當出色；但一個簡單任務就消耗了超過1.6萬個輸出Token，其中約1.32萬個是推理Token，換算下來成本約0.25美元。

他認為推理Token用量過高，效率邊界仍有待觀察。Ivan Fioravanti在兩項真實專案中肯定K3的UI、設計與速度，認為它能較好遵循指令，但同時指出模型「投入較多思考，偶爾越界加戲」，會自行擴展任務範圍，而不是嚴格停在用戶劃定的邊界裡。Bindu Reddy更直接提醒，K3的榜單成績「過於突出」，仍需用更難被汙染的測試繼續驗證，目前尚不能稱為Opus級，特別是在長上下文、多輪對話與複雜Agent循環中仍有明顯距離。Redis作者antirez則將K3放在開放權重模型快速進步的大背景中，強調需要長期真實結果才能判斷模型水平與實際貢獻。

X上的兩派論戰雖然立場不同，但都承認一個事實：K3讓全球AI從業者不得不重新評估中國開源模型的位置。它已經從「便宜替代品」的選項，變成一個需要認真對比的生產力工具。如果把中國AI開源模型的全球衝擊排序，K3大概代表第三次浪潮。第一次是DeepSeek，年初以低成本、高效率震動全球，證明中國模型能在有限算力下做出頂尖性能，路線是「普惠」，讓全球開發者用得起。第二次是GLM，國內頭部模型ARR半年從1億飆到10億，Code Arena盲測全球可用模型第一，證明中國模型能賺錢，路線是「商業閉環」，用快速變現證明商業模式跑得通。第三次就是K3，2.

8T參數、Frontend Code Arena第一、7月27日開源完整權重，這是中國開源模型第一次同時在參數規模、前沿性能和全球開發者聲量上衝擊第一梯隊。三次衝擊背後是三條不同的路線：DeepSeek證明「能便宜」，GLM證明「能賺錢」，K3證明「能貴得有道理」。這也反映出中國AI開源陣營正在從「速度套利」轉向「價值定價」。過去12個月裡，有9個月開源模型的參數上限由Kimi保持，K3並非突然冒出來的產品，而是一條連續路線的終點。從K2的1萬億參數到K3的2.

8萬億，架構上採用自研KDA混合線性注意力搭配Attention Residuals，再配上MoE（896個專家激活16個），擴展效率提升約2.5倍。7月27日開源2.8T權重，但絕大多數開發者根本跑不起來，即使做了量化，本地部署也需要多張高端顯卡。所謂「開源」，更像是開放一份行業標準參考書，讓開發者看得到、學得到，但用不起，最終還是得回來使用API。把KDA貢獻給vLLM社區，也是在買生態門票，產業界早就熟悉這套玩法：輸出技術標準、建立開發者認知、降低試用門檻，最終把流量導向API。K3的「性格」非常鮮明，它願意投入大量推理來換取交付品質，但在簡單任務上往往顯得「用力過猛」。

Fioravanti在真實專案中發現，K3會自行擴展任務範圍，而不是嚴格停在用戶劃定的邊界裡。Willison的實測更量化地呈現了這個問題：簡單任務消耗1.6萬餘輸出Token，其中約1.32萬是推理Token，成本約0.25美元。默認模式下，推理Token占比極高，這更像是K3自帶的工作風格——它假設用戶願意為交付品質付溢價，所以預設拉滿推理鏈條。但問題在於，簡單任務不需要這麼重的思考。未來能否在控制機制上做得更好、更節省Token，學會什麼時候該停、什麼時候該用力，是K3必須跨越的下一道門檻。Token消耗量大，意味著實際成本可能比帳面價格更高。

K3的API輸出價格為每百萬Token 15美元，未命中輸入價格為3美元，對比國產同行如DeepSeek、混元Hy3僅1元/百萬Token明顯偏高，但第三方實測顯示K3的實際任務成本僅為Fable 5的四分之一。Artificial Analysis的獨立頁面也指出，K3速度低於同檔平均、輸出偏冗長。K3走的不是普惠路線，而是生產力工具路線，它假設用戶是願意為好結果付溢價的企業開發者，不是追求極致性價比的個人用戶。Kimi選擇了更難走、也更值錢的那條路：DeepSeek讓全球開發者用得起，Kimi讓全球開發者用得好。

兩條路沒有高下之分，但K3證明了一件事：中國AI不僅能「便宜」，還能在高端生產力場景裡卡位。當然，差距依然存在。官方自己承認整體落後Fable 5和GPT-5.6 Sol，Bindu Reddy提醒榜單成績需驗證，antirez強調要看長期真實結果。在前端程式設計和Agent任務上，K3令人驚豔；但在複雜統計和長程Agent循環中，它仍有明顯距離。「局部領先、全局追趕」是K3最準確的畫像。K3算不上穩妥的聊天機器人，它更像一個願意主動行動、擅長交付視覺結果、也更需要校驗停止條件的Agent模型。它沒有宣稱全面超越，只是在特定戰場證明中國開源模型可以坐第一排。

X上的熱議、Vercel執行長的背書、外媒「下一個DeepSeek時刻」的討論，這些反饋本身說明，K3讓全球AI從業者不得不重新評估中國模型的位置。有震撼也有遺憾，有領先也有短板，這種「剛剛好」的真實感，比任何「全面碾壓」的宣傳都更有說服力。