7月16日晚，月之暗面正式发布Kimi K3。2.8万亿参数、MoE架构、896个专家、100万Token上下文窗口——参数表拉出来足够唬人。但参数大不等于好用，价格涨了也不等于值。我们把它从头到尾拆了一遍。
一、参数与架构：2.8万亿怎么撑起来的？
K3总参数2.8万亿，是目前全球参数最大的开源模型，也是首个超2万亿级别的模型。MoE架构下896个专家，每次推理仅激活16个——模型“知道”的东西极多，但单次调用的计算量被严格控制。
架构上有两项自研创新：
Kimi Delta Attention（KDA） ：混合线性注意力机制。传统Transformer处理超长文本时计算成本呈平方增长，KDA用线性注意力替代大部分计算，同时保留少量全注意力层处理需要精确检索的场景。KV缓存使用量减少75%，在100万Token上下文下解码吞吐量提升最高6倍。
Attention Residuals（AttnRes） ：让模型能有选择地跨层检索信息。模型变深之后，底层学到的东西不容易被顶层“忘掉”。
两项技术合在一起，K3相比上一代K2的整体训练效率提升了约2.5倍。完整权重计划7月27日前开源，届时将是全球最大的开源权重模型。
二、榜单表现：前端编程全球第一，综合第三
这是K3最硬核的成绩单。
Frontend Code Arena：1679分，全球第一，压过Claude Fable 5的1631分和GPT-5.6 Sol的1618分。这是开源模型第一次在代码领域反超顶级闭源模型。七个前端细分领域，K3拿下六个第一。
Artificial Analysis Intelligence Index：综合智能评分57分，全球第三，仅次于Claude Fable 5和GPT-5.6 Sol，领先Claude Opus 4.8和GPT-5.5。
AutomationBench-AA：53%得分居首，这是一个Agentic SaaS工作流评估。
AA-Briefcase（Agentic知识工作）：Elo 1547，仅次于Claude Fable 5。
SWE Marathon：42.0分，当前所有模型最高。
Program Bench：77.8分，略超Fable 5的76.8。
连马斯克都在Artificial Analysis的推文下留了句“Impressive”。Vercel的CEO Guillermo Rauch做了综合Web工程评测，结论很直接：K3领先Fable，开放模型第一次领先全部专有模型。
三、实测体验：强得意外，慢得着急
榜单好看，但真实用起来怎么样？
亮点一：3D和视觉生成能力突出。 有用户要求它制作一款类似《我的世界》的小游戏，负责地图和光影，最终生成结果不仅包含基础玩法，还加入了多种游戏机制以及音效。另一个案例中，K3从零生成一个叫《轨道危机》的浏览器策略游戏，10条硬性要求中主要功能均已实现并验证。
亮点二：Vision in the loop工作流。 K3生成代码后可以直接查看实时运行截图，识别布局、色彩和层级问题，再修改代码、再截图，反复迭代。在“死星战壕突袭”测试中，K3完成了生成、运行、观察结果、调整参数和重新验证的完整闭环。
亮点三：长程自主任务能力。 官方展示了一个芯片设计案例——K3连续自主运行48小时，用开源EDA工具在Nangate 45nm工艺库上完成芯片设计、优化与验证，4平方毫米内塞进146万标准单元。更离谱的是，K3从零写出了一套叫MiniTriton的GPU编译器，性能达到甚至超越Triton和torch.compile。
短板同样明显。 综合各方测试来看，开发者的评价大多集中在：3D和视觉生成能力最突出、前端UI设计水准接近Fable 5、编码能力强但还没有超过最强闭源模型、速度是最大的短板。一个复杂前端任务耗时20分钟到一个小时，比Fable 5慢。有开发者指出，K3“投入较多思考，偶尔越界加戏”，会自行扩展任务范围，而不是严格停在用户划定的边界里。
月之暗面官方博客也坦诚写了三个局限：K3对历史思考内容敏感，中途切换模型可能导致输出质量明显下降；训练偏向长程高难任务，面对简单日常问题时容易替代用户做决定；与Fable 5和GPT-5.6 Sol相比，在用户体验上仍有差距。
四、价格：涨得最狠的开源模型
K3的API定价是输入20元/百万Token、输出100元/百万Token。对比自家上一代K2.6（输出27元/百万Token），输出价格涨了超3.5倍。
不过“贵”是相对的。海外旗舰更贵——GPT-5.6 Sol输出30美元/百万Token，Fable 5输出50美元/百万Token。按Artificial Analysis的“每任务成本”计算，K3约0.94美元，接近GPT-5.6 Sol的1.04美元，约为Opus 4.8（1.80美元）的一半。
官方声称借助Mooncake分离式推理架构，编程场景缓存率超90%，实际输入价格仅为标准价格的1/4。一个好消息是：输出Token效率提升了，K3在智能指数评测中比K2.6少用了21%的输出Token。
五、值不值？看你在什么场景用
如果你是前端开发者，K3可能是目前能拿到的最强前端编程工具。Frontend Code Arena第一，七项六冠，这个能力是实打实的。时间换金钱——慢一点，但比Fable 5便宜70%。
如果你是做长程Agent或复杂软件工程的，K3的48小时自主芯片设计、从零写编译器这些能力意味着它能处理真正复杂的长周期任务。DeepSWE 67.5分、SWE Marathon第一，不是靠刷榜刷出来的。
如果你只是日常使用或简单对话，K3可能有点“大材小用”，而且它自己都承认面对简单日常问题时容易“替代用户做决定”。
如果你对价格敏感，K3确实贵。但贵有贵的道理——它是目前开源模型里唯一能和Fable 5、GPT-5.6 Sol正面掰手腕的选手。
K3发布后仅三天，因用户请求量逼近算力极限，Kimi紧急暂停了C端新用户订阅。市场用脚投票的速度，比任何测评都诚实。
