（来源：每日经济新闻）

距离 7 月 16 日发布的艺术感预热短片收获行业广泛关注后不到 24 小时，月之暗面发布了新一代旗舰大模型 Kimi K3。

7 月 17 日凌晨，Kimi K3 正式亮相。据官方披露，Kimi K3 搭载 2.8 万亿参数规模，配备 100 万 Token（词元）超长上下文窗口，原生兼容视觉理解能力，是当前全球参数体量最大的开源大模型，直接将开源阵营的技术门槛抬升至 3 万亿级别。

Kimi K3 发布后，第三方评测数据显示，Arena AI 的 Code Arena 榜单上 Kimi K3 得分 1679，位列第一，超过行业双雄 Claude Fable 5 和 GPT-5.6 Sol。本次 Kimi 新模型的发布还得到特斯拉 CEO（首席执行官）马斯克的关注，他在评论区留言道："Impressive（令人印象深刻）。"

伴随国产大模型在全球 AI 赛道话语权的持续提升，行业竞争重心已从参数比拼转向商业价值兑现。

图片来源：月之暗面官网

48 小时跑通芯片设计 Kimi 瞄准长程编程能力

具体到模型的测试表现，在编码（coding）专项测评中，Kimi K3 呈现出较突出的竞争力。在测试超长程软件工程任务能力的 SWE Marathon 测评中，Kimi K3 以 42.0 分位列第一；而在 AI 终端操作能力基准测试的 Terminal Bench 2.1 和评估 AI 模型软件工程能力的 FrontierSWE 两项测评及其自研内部代码测试集 Kimi Code Bench 2.0 中，Kimi K3 则略有落后排在第二。

通用智能体赛道下，Kimi K3 在自动化操作、网页深度检索、办公类实操任务测试中优势明显。从 Kimi 披露的测试结果综合来看，Kimi K3 整体表现虽未能超越闭源模型 Claude Fable 5 和 GPT-5.6 Sol，但与头部两款闭源模型差距较小。

值得一提的是，本次 Kimi 在介绍中也特别提到了架构层面变化带来的效率提升。Kimi K3 基于 Kimi Delta Attention（KDA）混合线性注意力机制和 Attention Residuals（AttnRes）注意力残差技术构建。MoE（混合专家）层面，模型在 896 个专家中激活 16 个。而上述结构性改进让 Kimi K3 相比 K2 的整体扩展效率提升约 2.5 倍。

Kimi 重点突破的长程编码能力在案例上也有具体体现。Kimi 具体介绍了 Kernel 优化、创作数字作品、芯片设计等几项涉及侧重不同能力需求的应用场景。

其中 Kimi K3 设计了一款芯片，用于运行一个基于自身架构构建的 nano 模型。官方表示在连续 48 小时的自主 Agent（智能体） 运行中，K3 基于开源 EDA 工具和 Nangate 45nm 工艺库，独立完成了芯片的构建、优化与验证。该芯片能够在 100 MHz 下完成时序收敛，仿真解码吞吐持续超过每秒 8700 个 Token。

K3 不是孤立的产品。月之暗面于 6 月中旬发布的 K2.7 Code、Kimi Work 也已经在做垂直方向的尝试。

K2.7 Code 专攻编程场景，Token 消耗比前代降低 30%，后来又追加了高速版。Kimi Work 则把 Agent 能力搬到桌面端，支持本地文件操作、浏览器自动化和定时任务，并提供可连续工作 24 小时的目标模式，以及接入飞书、WPS、钉钉等第三方应用的插件中心。

桌面 Agent 正在成为各家大模型研发企业落地的共同选择。百度、阿里等把 Agent 集成进办公套件，6 月底豆包也开启了付费功能，重点覆盖办公和 Agent 场景，月费从 68 元到 500 元分了三档。行业整体转向让 AI 直接在工作流里干活，而不是停留在聊天框。

K3 的发布，给应用提供了更强的模型底座，Kimi Work 也同步新增了小组件和看板两项功能，把对话输出变成可持续查看的可视化界面。

值得一提的是，官方主动列出三点模型目前存在的局限：一是对历史思考内容敏感，中途切换模型或框架不兼容可能导致上下文干扰，导致内容生成质量不稳定；二是训练侧重长程高难任务，简单场景下模型可能 " 过于主动 "，替用户做非预期判断。而对于这两点 Kimi 官方也都给出了简单的使用指南；三是 " 尽管 Kimi K3 总体上是一个非常有竞争力的模型，但与 Claude Fable 5 和 GPT-5.6 Sol 相比，在用户体验上仍有一定差距 "。

目前，Kimi K3 的完整模型权重尚未发布，月之暗面表示将于今年 7 月 27 日前发布。更多技术细节将随技术报告一并公布。

行业涨价潮来袭 大模型商业化进入兑现期

与模型能力一同走高的还有模型价格。

Kimi K3 的 API（应用程序编程接口）定价为：输入每百万 Token 2 元（命中缓存）和 20 元（未命中），输出每百万 Token100 元。官方称编程场景缓存率超过 90%，折算下来实际输入成本低不少。

据第三方机构 Artificial Analysis 测算，Kimi K3 单任务成本约 0.94 美元，与 GPT-5.6 Sol 的 1.04 美元接近，约为 Claude Opus 4.8（1.80 美元）的一半。

整体来看，涨价已是全行业的主旋律。智谱 GLM-5 系列已经分三轮上调价格。DeepSeek 宣布 V4 正式版上线后实行峰谷定价，高峰时段价格翻倍。此前，Kimi 的价格也有所上涨，从 K2 的每百万 Token 4 元涨到 K2.7 Code 的 6.5 元，涨幅约 60%。

月之暗面 B 端（商家端）负责人黄震昕近期公开表示，供需两端挤压下，API 涨价是必然趋势。用户愿意为高性能支付溢价，厂商则通过缓存优化、推理效率提升来对冲成本。目前 Kimi 原厂服务的缓存命中率超过 90%。

在涨价之外，各家企业在商业化路径上分化明显。有的押注企业私有化部署，有的深耕开发者生态拓展付费用户。而 Kimi 的选择是 B 端和 C 端（消费者端）同时发力。黄震昕提到，互联网、金融、制造、教育、医疗是目前主要的企业客户来源。海外市场增长更快，付费用户和 API 收入都增长了 400%，产品进入 200 多个国家和地区。

C 端最有话题性的尝试是 Kimi 信用卡，这款联名卡已于 7 月 10 日正式发行，合作方是美国运通和农业银行。通过这张卡，用户可以把消费积分换成 Kimi 算力额度和 Agent 使用权，相当于用金融权益做 C 端获客和留存。项目从 4 月酝酿到 7 月落地，3 个月走完流程，知情人士称双方 " 一拍即合 "。然而类似的跨界合作在行业里不多见，效果如何还需要时间验证。

商业化探索背后，是估值火箭般的攀升。过去半年，月之暗面完成三级跳：2025 年 12 月估值 43 亿美元，今年 5 月 D 轮后跃至 200 亿美元，6 月又被曝出新一轮融资投前估值达 315 亿美元，半年增长超 6 倍。

当前，大模型头部梯队的资本化竞速全面铺开，智谱、MiniMax 已先后登陆港股，在股价高点时市值分别冲到万亿港元、千亿港元级别。月之暗面此刻的每一步商业化试探，也都承载着资本市场的高预期。

而在闭源模型持续领跑、国产同行加速追赶的格局下，K3 能给月之暗面带来多大的实际优势？面对定价的抬升，Kimi K3 能否呈现出与价格匹配的良好表现？这些都还需要进一步检验。