今天凌晨，Kimi K3，终于正式跟大家见面了。

2.8 万亿参数，百万上下文。

而且，官宣 7 月 27 号，全面开源。

没啥可说的，让我们此刻一起欢呼吧。

月之暗面昨天下午就发了预告，而且有趣的是，致敬的是 Claude Fable 5 的拍摄技巧，这基本也暗示，在他们心中，这是一个能证明自己、将整个月之暗面，带向新一个时代的模型。

如果说智谱是做后训练的神，把 GLM-5 系列带到了一个全新的高度。

那在我心中，其实国内做预训练的扛把子，一直都是 Kimi。

而且一直都是大参数的代表。

K2 是几个月前国内第一个把模型推到 1T 级别的。

过去还有很多人说，大模型的 Scaling Law 要见顶了，要失效了。

可如今发现我们发现，大依然就是好，大依然就是牛逼，大依然就是智能。

就像我至今依然觉得 Claude Opus 4.6 是我心中最水桶级别的白月光，写作创意认知 Agent 代码能力都极强，因为那可是个 5T 的模型啊。

后面 Opus 4.7 和 4.8 就强化学习一路强化歪了，Coding 能力确实提升了，但是创意和规划能力拉完了，非常明显的一路下滑，口碑一路崩塌。。。

至于现在最牛逼的 Claude Fable 5 的参数量，目前没人知道，但是跟一些朋友讨论和猜测，可能到了 10T 级别，因为现在 Grok 内部训得最高参数量的模型也是 10T 级别，感觉应该差不多。。。

再把眼光放回到国内，Kimi 之后，DeepSeek V4 pro 和美团的 LongCat 2.0 也都迈入了万亿级别，逐渐的，万亿参数模型，已经快成了标配。

而今天，Kimi K3 来了。

这一次，他们把模型的参数量推到了 2.8T 级别，这是国内的第一个 3 万亿参数级别的模型，而且更是全世界，第一个面向所有人开源的 3 万亿参数级别的模型。

开心，为 Kimi 感到自豪。

老规矩，再看下 Kimi K3 的跑分。

先看 AA 给的智能分数，Kimi K3 来到了第三，仅次于 Fable 5 和 GPT-5.6 Sol，超过了其他所有的模型。

这一下，kimi 代替 Google，成为新一代御三家了。。。

然后再看 Coding。

也正好趁着这个机会，我想用这些评测集来结合我的体感，简单给大家看看一个模型的性格和特点怎么理解。

每个模型其实都是有自己擅长和不擅长的，强如 Falble 5，其实也有短板，只不过它的短板的高度，比很多模型的长板甚至还要长。

先说 Coding 这块，一共六个评测，其实我们可以把它们分成两类来看。

第一类，我自己喜欢叫它精准执行型评测，大概就是测模型能不能精确地完成一个明确的任务，不多不少，不漏不错。

你可以理解成老板给你一个非常明确的任务清单，上面写得清清楚楚要改什么。这种任务考验的就是精准度和执行力，你得理解需求、定位问题、精准修改、不引入新 bug。

DeepSWE 和 Terminal Bench 2.1 这两个就是比较典型的，一个更偏纯执行，一个更偏综合性的执行。

GPT-5.6 Sol 在这两个评测中都拿到了第一，它在需求理解、环境操作、调试收敛和最终交付方面确实就是最稳的，跟我日常使用的体感是一致的。

至于 Opus 4.8，幻觉率太高，我骂了很多回了，这个位置跟我体感也是一致。

而 Kimi K3，在执行的精准度上，在 DeepSWE 上仅次于 Claude Fable 5 和 GPT 5.6 Sol，而在 Terminal Bench 2.1 上，甚至拿到了第二名。

第二类评测就反过来了，我叫它方案规划型。

比如 FrontierSWE，这个测的是前沿级别的、特别难的软件工程问题，需要创造性思考、深度理解复杂系统才能解决的问题。

Fable 5 基本没啥可说的，断崖式领先所有的，GPT 系列大家都知道创新型任务还有方案设计做的一直都很差，比 Fable 5 差了很多，是 GPT 系列的短板，但是这个最短的板，而这次，Kimi K3 直接一脚插在了 Fable 5 和 GPT-5.6 Sol 之间。

从这个就可以看出来 Kimi K3 的定位了，可以说非常的中庸之道。

也就是各方面都不错，一个非常全面的水桶模型，在每一个领域里，虽然都打不过那个最强的，但是总能排到第二或者第三。

坦诚的讲，这样的水桶模型，在日常使用中，反而体验感可能会更好一些，我现在经常就是 Fable 5 和 GPT-5.6 Sol 来回切换，一边做方案，一边做执行，确实是目前最强组合，但是也麻烦啊。。。

更别提国内，有多少人用不上 Fable 5 的了。

海外还有人说，Kimi 又是靠蒸馏啥的，但是讲道理，这个级别已经不是蒸馏能蒸出来的了。

兰伯特都看不下了，直接是这么怼的。。。

我觉得非常有代表意义。

再来看很多人更看重的 Agent 能力，这个玩意主要跟 Work 强相关。

BrowseComp，测的是在浏览器环境下的复杂信息理解和处理，其实就是深度研究。你可以理解成 " 给模型一个浏览器，让它自己去网上找信息、理解内容、完成任务 "，K3 拿了 91.2，全场第一，GPT-5.6 Sol 以 90.4 紧随其后，Fable 5 是 88.0。

这个是 kimi 一贯的拿手好戏了，用过 Kimi 集群的应该都感受过它的威力。

Automation Bench，测的是自动化任务的执行能力，把一系列操作串起来自动完成，K3 也是第一，30.8。SpreadsheetBench 2，测的是电子表格处理能力，各种公式、数据清洗、报表生成，K3 还是第一，34.8，Fable 5 以 34.7 紧随其后。

然后是接下来的三个综合类的 Agent 任务。

AA-Briefcase Elo，这个是综合性的 Agent 能力 Elo 评分，包含了各种办公场景的任务，K3 的 1548 排第二，仅次于 Fable 5 的 1583。

JobBench，测的是完成具体工作任务的能力，K3 的 52.9 也是第二，同样仅次于 Fable 5。

GDPval-AA v2 Elo，这是另一个综合 Agent 评分体系。Fable 5 以 1760 排第一，GPT-5.6 Sol 以 1748 紧随其后，K3 是 1668 排第三，这是少数 K3 排在 GPT-5.6 Sol 后面的评测之一，但差距已经很小了。

从这几个综合类 Agent 的评测可以看出，在整体能力上，基本都还是比 Fable 5 差一些，跟 GPT-5.6 Sol 差不太多，互有胜负。

多模态这块也得提一嘴。

Kimi 的多模态是国内做的非常好的，在这方面，基本也就仅次于 Falbe 5，Fable 5 还是太强了。

突然有点自豪的感觉，以前我们说，国内的模型，跟 Opus 4.7 甚至都不说 4.8 掰掰手腕，大家都觉得你是个牛逼的大货。

到了今天，我们发现，一个国产的模型，居然能跟 GPT-5.6 Sol 掰掰手腕了，好像 Fable 5 的背影，也没有那么遥远了。

当然，GPT-5.6 Sol 有它自己的特性在，这毕竟还是老模型强化的，不是新一代的预训练模型搞出来的，Fable 5 和 Kimi k3 都是全新的重做了预训练的模型，鬼知道 GPT-6 出来的时候，会强的有多离谱。

我觉得如果你之前没办法用 Claude，也没办法用 GPT，只能用国内模型，那我今天非常推荐你开始用 Kimi K3 来处理你的所有工作，感受一下全新的 3 万亿级别的新一代模型的智力。

同时，我对国内的算力水平也不抱有任何期望，这种参数的模型，我觉得对 Kimi 来说，推理成本也是个巨大的挑战。

所以我觉得，趁着现在，可以抓紧买个 Kimi 的 Coding Plan，我感觉后面会跟 GLM 一样买不到了。。。

坦诚的讲，国内的模型我付费的很少，这次的 Kimi K3 真的也是我为数不多的先氪为敬的一个模型了。

我是 699 的会员，跑了一夜，各种测试任务还有多 Agent 的真实环境的开发，烧了这么多 Token，大家可以参考下。

在实测上，我觉得也是让我没有失望的。

我自己的体验上，几乎跟 Kimi 发出来的跑分体感一致，是一个综合型的模型，每个地方都还不错，可能达不到 Fable 5 经常给你的那种神之一手的感觉，但是也是可以把项目和规划放心的交给他。

这次的测试上，我也没有用 Claude Code，因为我觉得，在当今的时代里，你的模型配上一个 harness 框架，才是一个完整的产品，而且你自家的模型，配上自己的框架，肯定才是最适配的。

所以我这次直接用的 Kimi Code 来跑的 Kimi K3。

这里插一句，Kimi Code 其实也是有图形界面版的，只不过他们还没做类似 Codex 的那种客户端，现在还只是一个 web 版。

想打开这个界面也特别简单，直接在终端里输入 kimi web 就能启动。

主要是当你用习惯 Claude 和 Codex 的客户端之后，我真的不想再用 CLI 界面了，怎么用怎么别扭 = =

这次 Kimi K3，还有个比较大的更新，就是上下文长度终于来到了 100 万。

这个还是比较爽的，100 万现在基本也都是大家的标配了。

我让它做的第一个事情，就是我发现，不知道为啥 AIHOT 没有抓到 Kimi K3 发布的 blog，所以就让 Kimi K3 修一下，没有抓到自己的问题，看看 BUG 出在哪里。。。

这种感觉，又何尝不是一种 NTR 呢。

发过去之后，它就立马去找了。

接着发现了原因，是 Kimi 自己的官方 Blog 又改版了，而且就是前两天的事。

emmmmm，然后发现我们的告警是 14 天断流才告警，K3 果断给我改成了 3 天，然后把那个 Blog 给修复了一下，3 分钟修复完，正确出现在了 AIHOT 上。

然后还有一个复杂点的任务，是根据用户的反馈，来优化我的 AIHOT。

我的飞书每天会把用户在 AIHOT 上提报的反馈推给我，比如就像这样。

每个反馈都有一个序号，我一般都会每天过一遍，然后把说的对的，扔给 Agent 来去修。

这两天正好有点忙，攒了一批，我就一次性，全部扔给 Kimi Code 了。

这个事你说简单也简单，说复杂吧也复杂，有将近 10 个任务，每个任务其实差异挺大的，基本都不搭嘎。

而且你还需要有一定的方案设计能力，还有判断能力，并不是用户说啥都是对的，而且也比较看长程和多 Agent 的规划能力。

我就直接发给它了。

然后，他就读了我的运维文档，找到了我的服务器链接方式，连上去，看到了用户的反馈。

然后，给自己列了 7 个待办。

开启了 8 个 Agent，开始研究。

有一说一，Kimi 的审美是真的好，这个 Kimi Code 的 UI 展示，我是真的喜欢，非常清晰 + 一目了然。

研究完以后，发现只有 7 个值得做，然后，又开了 7 个工作区开了 7 路 Agent 去进行执行。

在开发了大概 1 个半小时之后，所有的任务全部开发完毕，提了 PR 过了 CI，合并到了主分支里。

2 个小时以后，全部做完了。

我看了一眼邮件，是真的都用我的飞书邮箱都给我发出去了。。。

完成的非常好，流程全部做完，没有任何 BUG，该完成的也都完成了，不该完成的两个任务，也给我做了说明。

除了执行上，在方案设计上，我也把 K3 的方案和 GPT-5.6 Sol 的方案扔给 Fable 5 去评选，测了几个任务，跟 GPT-5.6 Sol 大概是 55 开的级别，思考的维度和方面确实都是有差异的。

比如这个服务器性能优化的任务，最终 Fable 5 虽然选的是方案二也就是 Kimi K3 的方案，但是发现 GPT 的方案里也有 Kimi 没考虑到的，大家都差不多，最终都还是得合并一下效果才是最好的。

不过我在测试过程中，也遇到了一个小差距，就是 K3 有一个细节问题没考虑到，但是正常过了 CI 上了线，导致 AIHOT 出现了将近 1 个小时的没有任何新资讯进站。。。

这个细节也特别简单，就是我在让它做热点榜单，背后加了大概 500 个热点信源，这些热点信源你可以理解为是我们线上现在监控 200 多个精选信源的气氛组，就看什么事件被讨论的最多的，从而评选出当前热点。

K3 非常勤勤恳恳的做完了所有的任务，推了 PR，过了 CI，部署上线了。

但是呢，我们网站的系统是有性能限制的，一个信息进来，要经过结构化处理 - 实体提取 - 预筛 - 正文清洗 - 精选评分 - 向量化处理 - 事件聚簇 - AI 摘要等等等等，中间光大模型的调用就有好几次，所以是有队列这么一说的，我们同时并发最多是处理 6 个资讯，一般一个资讯也就 20、30 秒就处理完了，平时我们是完全没有问题的。

K3 开发完了热点之后，直接一次性把那 500 个热点信源也按我们过去新监控信源的规则进行回补，直接怼了 9000 条信息进来，于是直接把 AIHOT 的信息处理队列给堵满了，后续进来的所有精选信息都在这 9000 条后面排队，于是，就变成了 AIHOT 将近 1 个小时没有任何抓取。。。

就这么一个队列并发没有考虑到的事，但是背后的本质折射的确实我们现在的并发处理不了 500 条以上的新闻信源，所以这个方案必须要推倒重来，不能这么设计，这就是现在很多模型，在做方案设计的局限。

不过这种事，我觉得除了 Fable 5 之外，感觉其他的模型都很难考虑的非常全面，GPT-5.6 Sol 我试了下，也完全没有考虑到。

不过整体来说，在我这几个小时的体验上，在开发的精准性和完整性上，还是符合我的预期的，国内最佳，没有之一。

而前端任务上，基本就是 Kimi 最擅长的舒适区了，Kimi 这家公司，一直以来的审美就是真的很强，再加上 Kimi 自身的多模态能力，这一次 K3 在前端效果上，又迎来了一波飞跃。

这里我先必须给大家看两个，官方的前端 Show Case，秀麻了。

这两个视频看完，我觉得都不需要我用言语来解释什么了，空间理解能力实在是太强了。

而且在平面的审美上，效果也很好。

我也用 Kimi K3 复刻了几个最近很火的前端效果，可以说，在 One Shot 提示上，我个人觉得，作品的完成度和审美程度，是仅次于 Fable 5 的。

比如最近推特上有个作品特别特别特别火，就是一个建筑的屋檐，下面挂着密密麻麻的竖排文字线绳，像珠帘一样自然垂下来，你鼠标划过去或者手指拨过去，字体会像门帘一样被拨动摇摆。

我就拿 K3 复刻了一个。

Prompt 也特别简单。

第一版出来其实就已经有那个意思了，整体的雏形是对的，但是细节上还比较粗糙。

我又提示了一下之后，搞定。

效果无敌好。

还有一个小红书上一个非常棒的作品，我特别特别喜欢。

我就直接把教程截图发给了 K3，让它复刻一下，看看 K3 的效果怎么样。

10 分钟左右，直出了一版，有一些小细节需要优化，我就用提示调整了一下粉鱼的尺寸和游动速度，还有蓝鱼的数量，还加了个 BGM。

又过去大概 10 分钟之后，你们自己看效果吧。

小粉鱼最后被一群蓝鱼最后裹挟着消失的时候，我突然一下感受到了一些身不由己的感觉。

这个我让 GPT-5.6 Sol 也复刻了一下。

结果。。。

我只能说，GPT 的审美，咱还是期待 GPT-6 吧。。。

K3 在前端上应该还可以玩出非常多的花活，我时间没有那么多，大家如果有做出来好玩的也可以放在评论区交流～

除了 Coding 和审美之外，还有一个东西，我知道肯定是很多人比较关心的，也是我比较关心的，就是写作能力。

这块我简单测了一下，比如我把我上周发的那篇设计人生前面大半部分给他，让他用我的 Skill 续写红线后面的结尾。

K3 写的结尾是这样的。

当最下面那句 " 祝你也逼出一点，早该被自己听见的话 " 的时候，我就感觉完犊子了。

又测了一些后，我的结论非常简单，如果你能用上 Claude，那么最好的写作模型还是 Claude Opus 4.6，吊打世界所有，如果你用不上，只能用国内的模型写作的话，那就用 DeepSeek V4 pro 吧。

总体来说，K3 让我极度惊喜的，K3 比我预期的效果，还要好。

不过这么大的参数，没办法的一点就是，价格肯定便宜不了。

API 价格基本跟 Sonnet 系列对标。

如果想买 Coding Plan 的，感觉得快点去买，要不然算力限制，我感觉大概率后面会跟 GLM 一样限购，可能就又抢不到了，今天朋友圈我也发了一下。

整体 K3 大概就是这样。

最后说点感性的。

2023 年我刚开始做 AI 内容的时候，那个时候，国产模型跟 GPT-4 之间的差距，说实话是肉眼可见的鸿沟。

那个时候，我们聊国产 AI，多多少少还是有一些，不知道怎么追的感觉。

三年多过去了，这个行业发生的变化大到超出了所有人的预期。

我们当然跟海外顶级模型依然有差距。

但是，现在，我们有 DeepSeek R1 的惊鸿一瞥，有了 GLM-5.2 在海外口碑的惊天逆转。

今天，我们又有了 Kimi K3。

总是想起 2025 年 DeepSeek R1 发布时，冯骥的那段话。

这些，都是国运。

无论多少风雨。

未来也必定。

国运昌隆。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。

>/ 作者：卡兹克

>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com