# 连夜实测 Kimi K3，建议改名 Kable

- 作者：李超凡
- 发布时间：2026-07-17 10:19
- 分类：公司
- 原文：https://www.ifanr.com/1672232

![](https://s3.ifanr.com/wp-content/uploads/2026/07/3.jpg)

今天凌晨看到 Arena AI 更新 Code Arena 榜单时，我第一反应是有点意外。

刚刚发布的 Kimi K3 拿到了 1679 分，排在全球第一，压过了 Claude Fable 5 的 1631 分和 GPT-5.6 Sol 的 1618 分。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/23-4.png)

Code Arena 测的主要是前端编程。模型需要根据用户要求生成网页，完成视觉还原、交互设计和功能实现。

榜单结果来自百万级用户参与的公开盲测。同一道任务会交给两个匿名模型，用户实际体验两个结果后投票，投票完成才会公布模型身份。

在结果揭晓前，用户并不知道自己选的是哪家模型，品牌影响被削弱，结果更具含金量。换句话说，至少在强调视觉呈现和交互实现的前端编程场景里，K3 已经坐到了目前最靠前的位置。

一个刚发布的开源模型，轻松就超过多款闭源旗舰，让人很难相信，too good to be true。于是我们趁着热乎劲，连夜测试了 Kimi K3，来检验检验它的成色？

冷知识，下面这段视频并非 Kimi 官方发布的宣传短片，而是 APPSO 把原预告片交给 K3 参考，让它重新生成的一段动画。

从理解原视频、重建网页画面，到处理镜头、动效和交互，整个过程都由 K3 完成。让模型亲手做一支介绍自己的动画，也算是最直观的开场测试。

尤其考虑到最近 Fable 5 和 GPT-5.6 打得热闹，能力越来越强，Token 消耗也一路上涨。很多人还在等 Claude Opus 5，没想到 Kimi 先端出了一个参数规模达到 2.8 万亿的开源模型。

你没看错，2.8 万亿，而且开源。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/123.png)

Kimi K3 拥有巨无霸版本的 2.8 万亿参数， 全球首个开源的 3 万亿级别模型。100 万 token 上下文， 原生支持视觉理解， 主打长程编程、知识工作和推理。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/15-5.png) ![](https://s3.ifanr.com/wp-content/uploads/2026/07/16-5.png)

好家伙， 闭源旗舰们还在挤牙膏， 开源这边直接把参数规模顶到了新天花板。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/21-5.png)

更有意思的是官方博客里的这句话：「虽然 Kimi K3 的整体表现仍落后于最强的闭源模型 Claude Fable 5 和 GPT-5.6 Sol， 但它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。」

如此坦诚， 这在国产大模型的发布博客里， 属实是股清流了 (doge)。但谦虚归谦虚，K3 这次端上桌的能力，分量一点不轻。

### 靠这两个东西驯服 2.8 万亿巨兽

先看看， 这个 2.8 万亿参数的模型是如何炼成的?

过去 12 个月里， 有 9 个月开源模型的规模上限都是 Kimi 家保持的。K3 算是这条路线的最新一步。架构上，K3 有两个新东西：混合线性注意力 (Kimi Delta Attention) 和注意力残差 (Attention Residuals)。

比较通俗的理解是，前者让模型处理超长序列时不至于被计算量拖死， 后者让信息在几百层的深度网络里传递时不「失真」。一个管技术长度， 一个管技术深度， 合起来撑住了万亿级以上的参数规模。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/22-5.png)

MoE 稀疏度也进一步扩大了优势：896 个专家， 每次只激活 16 个。配上训练方法和数据配方的优化， 官方说 K3 相比 K2 的整体扩展效率提升了约 2.5 倍。

同样的算力， 能换回更多的能力。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/12345.jpg)

放到覆盖推理、编程、知识等能力的 Artificial Analysis Intelligence Index 中，K3 又以 57 分排在第三，仅次于 Claude Fable 5 和 GPT-5.6 Sol，同时领先 Claude Opus 4.8、GPT-5.5 等模型。

这份成绩单也引来了马斯克的注意。他现身评论区，留下赞美之词：「Impressive（令人印象深刻）」。

两张榜单放在一起看，K3 距离综合能力最强的闭源模型还有差距，但在编程这一主战场上已经相当能打。

看到如此强大的模型， 相信你的的第一反应估计也是：这玩意跑起来得多贵?

Kimi 显然预判了你的预判。

K3 从 SFT 阶段就开始做量化感知训练， 用 MXFP4 权重和 MXFP8 激活， 天生适配低精度硬件。专家并行训练做了完全均衡， 静态形状， 关键路径不需要主机同步。

KDA 对传统 prefix caching 有新挑战，Kimi 干脆把对应实现贡献给了 vLLM 社区， 随模型一起开源发布。

**落到价格上，其实我们觉得中国模型并不应该总是比拼低价，不仅要有公司负责「量大管饱」，也要有公司能挑战 Anthropic 和 OpenAI 的定价权。**这次 K3 在性能上对标甚至超过 Opus，偶尔够一够 Fable，官方 API 的输入和输出价格是 Fable 的 20%，Opus 的 40%，这是要把 Anthropic 价格打下来的意思。

**考虑到这个模型 10 天之后就会开源，**有实力的公司可以自己部署模型，以及中国 AI 公司普遍缺卡的现实，这个定价就更值得玩味了。

不过 API 价格跟普通用户关系不大，大家用的包月套餐在用满的情况下，通常要比 API 价格便宜 5 到 10 倍。

### 实测 K3 ，你的名字应该叫 Kable

参数规模和价格都聊完了， 接下来是最关键的问题：它到底能干多难的活?

我们给 K3 准备了五个跨度很大的任务，既有物理模拟、程序化建模和复杂经营系统，也有更依赖审美判断的东方奇幻场景。画面做得漂亮只能算及格，背后的数值变化、状态演进和交互逻辑同样要成立。

今年世界杯，点球成了很多比赛的胜负手，强如梅西也会罚失点球，我想用 AI 计算出一个进球概率最高的点球角度。

K3 把球员脚感、射门角度、球速、门将反应等变量转化为一套可信的计算模型，再基于公开数据进行大规模蒙特卡洛模拟，反复比较不同策略的成功率，最终回答那个所有主罚者都想知道的问题：

在不突破职业球员真实能力上限的前提下，球该怎么踢，才最难被门将扑出。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/26.gif)

▲ 体验链接：https://doxsa4fwmxag2.ok.kimi.link/



K3 计算出理论上最难扑的一脚:v₀≈25 m/s + 侧旋≈8 rev/s + 半高偏侧落点，进球概率 ≈89%，强烈建议梅西决赛前先看看这篇文章。

第二道是用 Three.js 从零造一个巧克力工厂花园世界：巧克力河、焦糖瀑布、糖果园、铜制大锅、传送带、微缩工人， 全部程序化生成， 不许用外部素材， 还要求工人有真实的任务队列和路径网络， 而非原地摆拍。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/27.gif)

▲ 体验链接： https://d7gfoy6v7et5e.ok.kimi.link/



同样是程序化建模，《Emberhold：熔火矿城》进一步加入了经营和风险系统：多层矿井、轨道矿车、熔炉锻造、通风与塌方系统全部联动， 挖得越深矿越稀有， 但温度和塌方风险同步上升， 矿车必须沿真实轨道行驶。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/31-2.png)

▲ 体验链接：https://uvj7y4fnuomew.ok.kimi.link/



难度较高的一题，把场面推向了海底火山喷发。K3 需要用 Three.js 实时呈现一座岛屿从海中诞生的全过程：熔岩喷泉撕开海面，蒸汽、火山灰、闪电、巨浪和科研船同时运动，海岸线还会随着熔岩冷却、坍塌和海浪侵蚀不断生长。

难点在于，它需要同时维持多套动态系统，并提供从海底冒泡、火山爆发到岛屿稳定和生命萌芽的时间轴，以及船上、直升机、海岸线和火山口等多种观察视角。画面规模、物理变化、交互控制和运行性能，缺一项都会让这个案例变成普通的火山演示。

硬功夫考完，最后看看它的审美。在这个东方奇幻水墨风油纸伞场景中，细雨青石水面上悬浮着层层油纸伞，透光投影、伞面流动图案与可操控人物跳跃互动共同营造出灵动梦幻的效果。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/36.gif)

▲ 体验链接：https://zprg5ulr2dxom.ok.kimi.link



而 X 网友 @chetaslua 的这个案例，在他看来，虽然 K3 和 GPT-5.6 Sol 达到了相同的结果，但实现方式不同，K3 更具设计品味和创造力。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/32-2.png)

光视觉惊艳的 demo 当然不够，我还用 Kimi K3 开发了一个专注 App，提示词就一句话：复刻 Forest，但界面更精美，动效像 Focus Flight。

几个小时后它就真的做出来了，甚至达到可玩的产品原型水准，这活儿以前一个前端可能要干两三周。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/33-2.png)

这个 App 叫「云驰 Aeris」，点开是一片黄昏色的机库，一架飞机在跑道上等我选航线。

它把 Forest 的种树专注玩法换成了航班飞行，但也并非简单换皮：专注时长等于飞行时间，还能选择不同的白噪音，登机后进入动态巡航，中途退出会触发返航，完成航程则能积累里程、解锁新目的地，从品牌命名、视觉风格到交互和成长体系都非常完整。

写这篇文章的时候，我又飞了几趟了。APPSO 也附上链接，大家可以尝试飞一飞 ✈️  
https://lamuxcg4s74za.ok.kimi.link/#/

### 开源模型的 K3 时刻

更难得的是，官方博客也愿意分享他们积累的反思。

K3 对历史思考内容很敏感。它在后训练全程使用思考历史保留模式， 如果 Agent 框架没按要求回传全部历史思考内容， 或者你从其他模型的会话中途切换过来， 生成质量可能不稳定。

官方建议用 Kimi Code 这类验证过兼容性的框架， 别在会话中途换模型。

它还有点过于主动。由于训练重点在长程高难任务， 遇到小问题或者用户意图模糊时， 它可能替你做出非预期的决定。想让它老实一点， 得在 system prompt 或 AGENTS.md 里给它立规矩。

而就冲这个坦诚劲儿， 先给个好评。

说到这里，不妨再聊点更实际的。

全球最大开源模型， 目前并不等于全球最强。2.8 万亿参数也不能直接证明 K3 已经超过顶级闭源模型。模型能不能真正干复杂工程， 最终还是要看使用成本、任务稳定性和真实交付结果。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/124.png)

▲ 彩蛋：月之暗面（Kimi）创始人杨植麟的 CMU 导师 Russ Salakhutdinov 发帖祝贺，而 Russ Salakhutdinov 也正是 Hinton 亲传弟子、苹果第一任 AI 总监



但 K3 的出现至少改变了一件事。

过去开源模型的策略， 是跟在闭源旗舰身后， 用更低的价格复现已有能力。现在它开始主动把规模推向新上限， 去碰百万上下文、长程编程和复杂 Agent 任务， 直接参与下一代模型能力边界的竞争。

在 X 上一些网友把 Kimi K3 称为又一个 DeepSeek R1 时刻，但 APPSO 连夜体验下来，倒是认为在开源模型里，K3 完全能拥有自己名字。

2.8 万亿只是一张入场券。Opus 5 还没到， 开源模型已经重新洗牌了，我愿称之为 K3 时刻。