實測Kimi K3：擁有超強3D能力，AI小游戲或將迎來爆發期

又貴又強，國產模型告別玩具時代。

文 | 陳梅希

編 | 園長

Kimi K3發布一天，智譜市值蒸發了2053億港幣（-28%），相當于蒸發了1.3個貝殼。同一天，Minimax的股價也大跌15.6%。

信號再明確不過。Kimi K3宣告，基礎大模型還遠沒有達到能力上線，而落后和領先都可能是暫時的，沒有誰可以確信自己永遠都是領頭羊。攻守之勢的轉換，很可能只需要幾個月時間和一個新版本。

K3橫掃榜單的消息已經鋪天蓋地，而在實際測試場景中，K3證明了榜單成績并非是過擬合的結果。更重要的是，除了強悍的coding能力，Kimi K3似乎已經在嘗試回答另一個問題：Coding for what？

在KIMI官網的更新海報上，K3被描述為“擅長編程、游戲3D和知識任務”。

圖源：Kimi官網

編程能力，有很多自媒體同行都連夜測試過了，刺猬公社本次的實測重點是游戲和視頻生成。理由很簡單：一是這兩個場景，是當前大模型產品變現效率最高的；二是，本次更新的官方推文中，對這兩個場景的介紹占據很大篇幅，尤其是3D 畫面生成實例，Kimi一口氣放了三個。

圖源：Kimi官方微信公眾號

先說結論。

在視頻制作領域，K3擅長的不是畫面和角色生成，因而它不擅長制作故事型視頻。K3的強項，在于制作科普、解說類視頻，對這類需求的生產效率和交付結果，甚至優于Seedance和可靈。簡單類比一下的話，主流的視頻生成模型擅長寫記敘文，而K3擅長寫說明文。

本屆菲爾茲獎即將開獎，中國數學家王虹因為證明了三維掛谷猜想而成為得獎熱門。我們將制作一個介紹視頻作為測試需求，具體提示詞如下：

“中國數學家王虹去年發布論文證明了三維掛谷猜想，因為這一成果，她成為了本屆菲爾茲獎熱門候選人。你能否做一個視頻，向我展示三維掛谷猜想到底是什么？需要包括：這一猜想的提出背景、這一猜想的動畫展示。不需要你演示王虹的證明過程，論文太長了。”

我們將同樣的提示詞發給Kimi K3、Workbuddy版HY3、豆包、即夢版seedance 2.0和可靈靈動畫布。

K3在大概80分鐘后，交付了一個4分多鐘的視頻，全程沒有中斷，也沒有向我提問，過程中有多次文件損壞和渲染失敗問題，但它都自己回查修復了。雖然我沒有主動要求，但在一些畫面中，K3主動使用了3D效果，從過程信息看，它自行查找了多篇相關論文。明顯瑕疵在于配音和畫面在部分場景中不同步，但為了展示效果，我們對所有測試都不再做任何微調。

另一個還算可用的是Workbuddy版HY3，但在動畫效果方面，和K3差距較大，且直接生成的視頻沒有配音。

至于豆包，它似乎生成了一堆流星，畫面只起到了一些裝飾的作用。但豆包的優勢在于配音非常自然。

而可靈則生成了一個科學動畫故事。

知識科普類、說理類視頻，本質是邏輯+圖片/動畫+文本說明，大部分都可以通過代碼實現，這也是K3和HY3的視頻交付質量顯著高于純血視頻大模型的原因。而一旦要寫“記敘文”，純血視頻大模型在畫面生成、角色塑造、情節規劃上的優勢才能體現。

由于即夢版Seedance 2.0預計需要等10個小時才能輪到我，我決定先下班了。

與此同時，K3制作小游戲的能力在國內模型中處于斷層領先水平。先用一個經典的類黃金礦工模型試試水。

“請模仿經典游戲黃金礦工的游戲機制，設計一款釣小魚（需要有不同的魚代表不同分值）的小游戲。至少包括10關，每一關的過關難度遞增，其余的系統機制、數值機制，都由你自己來設計。”

這一次，我們把任務分別丟給了Kimi K3、Workbuddy版 HY3和DeepSeek。同樣只用一句prompt直接生成，不再做后續調整。

其實光看一眼基本畫風，就能感受到K3在這個領域的斷層程度了。

而HY3做出來的小游戲長這樣：

DeepSeek交付的第一版有bug，不能玩：

做完深海釣魚這種低難度小游戲后，我又給K3提了新需求，想看它是否有可能做一些開放世界游戲場景。

“我想做一個開放世界游戲。能不能給我做一個可以體驗的demo，玩家可交互的操作包括行走、跑步、撿東西、射擊；開放世界是一片森林，你可以先做一小片出來讓我體驗一下。”

K3做demo很快，先測試基礎的游戲機制，森林地圖第一版“長得”還有點簡陋，但已經是可玩的了。

于是我給它提了美化需求，在10分鐘后，它交付了新的版本。

從需求理解、機制設計、數值系統，到畫面渲染、成果交付，Kimi K3在游戲開發領域的能力提升可以說是指數級的，而在此過程中，并不需要用戶設計任何工作流。

可靈和Seedance等視頻生成模型的能力進階，帶來了AI漫劇行業的爆炸式增長。Kimi K3 本輪在3D畫面渲染、游戲制作等應用場景大幅刷新能力邊界，或許會讓AI小游戲等到爆發期。

和能力一起水漲船高的，還有價格。

Kimi K3的API定價相比K2.6大幅上漲，緩存未命中時的輸入價格從6.5元/百萬tokens上漲為20元/百萬tokens，輸出價格從27元/百萬tokens上漲為100元/百萬tokens。

橫向對照，Kimi K3的價格也遠高于智譜當前的旗艦模型GLM 5.2，后者緩存未命中時的輸入價格為8元/百萬tokens，輸出價格為28元/百萬tokens。

除了API定價，Kimi會員的價格體系尚未產生變化，但更換為K3模型后，會員額度的消耗速度顯著變快。我購買的是99元/月的Moderato會員，在完成上述3個測試任務后，我的單月額度已消耗掉了近14%。拆開看各個任務的賬單明細，游戲制作需要消耗的額度遠高于視頻制作。

計算下來，制作4分鐘長度的三維掛谷猜想科普視頻，只花費了不到5毛。但當前賬單明細上展示的消耗額度，和用量進度頁面展示的總消耗額度對不上，從賬單明細看，幾個任務加起來只消耗了不到7%的額度，但總消耗額度卻已經達到了將近14%（后者恰好是前者的兩倍）。不知道是因為統計口徑有gap，還是有其他我不知道的原因。

發布不到24小時，社交媒體對K3的負面評價主要集中在“太貴”“消耗快”等方面，以至于Kimi在輸入框上匆匆加上了一行提示：“K3是Kimi能力最強的模型，使用時比K2.6更快消耗額度。 ”

當前，Kimi K3已支持用戶自主選擇不同等級的模型思考強度，分為標準、進階和極致。

如果要用一個詞總結Kimi K3，我想應該是“又貴又強”。在國產大模型隱隱要滑向價格戰之際，Kimi選擇了“反價格戰”的策略，也是K3的有趣之處。

高價可能會讓用戶望而卻步，但反過來，高價也是一種篩選策略：當模型能力足夠強時，高定價既能緩解成本壓力，也能篩選出真正有商業價值的使用場景。只有真正能用K3賺到錢的人，才會愿意花比其他國產模型更貴的價格來使用K3；只有真正能用K3降低研發成本的公司，才會心甘情愿地把K3接入日常工作流。

回過頭看，K3所強調的3個優勢場景：編程、游戲3D和知識任務，幾乎是當前AI最有生產價值、最能（或者有可能）帶動商業收入的3個使用場景。

K3的優勢和定價，是一套策略的兩面，而這套策略的核心只有一個，就是讓國產模型真正成為生產力工具。