打敗Fable 5！Kimi K3沖上第一，楊植麟導師很驕傲

智東西
編譯 茄子
編輯 程茜

智東西7月17日報道，今日，Kimi正式發布其迄今能力最強、全球首個開源的3萬億參數級別模型Kimi K3。該模型參數量達到2.8萬億，原生支持視覺理解，并擁有100萬token上下文窗口。

Kimi K3一上線便成為大模型頂流，不少網友將其發布稱作“中國的Fable 5時刻”。就連Kimi創始人兼CEO楊植麟的博士生導師、CMU機器學習泰斗Russ Salakhutdinov也發貼盛贊新版Kimi為開源社區帶來重大突破。

云平臺Vercel創始人、Next.js作者Guillermo Rauch公布專業網頁工程AI評測結果，Kimi K3綜合表現位列第一。他發帖稱，首次有開源模型在該權威榜單超越全部海外閉源模型；其代碼任務成功率達92%，開發效率優于同梯隊Claude Fable 5。

測評博主aditya實測后，認為Kimi K3就像中國開源了Claude Fable 5類型的模型。他用Kimi K3生成了一款槍戰游戲，并稱，從未見過AI僅憑一個提示就能生成如此驚喜的界面。

AI頭部測評博主Taelin也對Kimi K3進行了體驗。他認為Kimi K3在有些題目上表現超過Claude Fable 5，但有一些題目表現卻很差，并且，花費的時間是Claude Fable 5的10倍。不過，他稱，用Claude Sonnet 5的價格就能買到接近Claude Fable 5的開源模型，確實改變了自己的看法。

從技術博客看，Kimi K3長程Agent式執行能力大幅提升，該模型可以把編程、視覺理解、工具調用和知識工作串成完整流程。以官方展示的ASIC行業42年研究網站為例，Kimi K3通過120多輪迭代，完成2800多次網頁搜索與抓取、1100多次終端數據提取，處理87份季度報告和99份原始PDF，最終生成包含定制圖表、動畫示意圖和交互式可視化敘事的研究報告。

在基準測試方面，Kimi K3在大模型評測競技Arena.AI的前端代碼測試中，超越Claude Fable 5；在第三方獨立測評機構Vals AI中，Kimi K3的綜合測試得分為74.7，位列第2，超越GPT-5.6，僅次于Claude Fable 5。

Kimi K3上線前在海外曾以Kivine為代號被眾多網友注意到。開源生態基金會Super Gemma創始人Jun Song評價稱，從生成的結果來看，“Kimi明顯比Opus強”，并認為Kimi K3已經達到了Opus 5的水平。

在架構和基礎設施上，Kimi K3通過KDA、AttnRes等架構升級和更高稀疏性的MoE設計，提高長序列信息處理和模型擴展效率，相比Kimi K2整體擴展效率提升約2.5倍。

價格方面，Kimi維持分級計費模式，但相比Kimi K2.6價格有明顯上漲。具體來看，Kimi K3每百萬token的輸入價格為20元（緩存未命中），較Kimi K2.6的6.5元上漲了約207.69%；緩存命中情況下的輸入價格為2元，較之前的1.1元也有所提升；而輸出價格則從27元上調至100元，漲幅約270.37%。

相比頂級閉源模型，Kimi K3仍保持較低價格。以Claude Fable 5為例，其API輸入和輸出價格分別為每百萬token10美元（約合人民幣67.78元）和50美元（約合人民幣338.88元），明顯高于Kimi K3。

Kimi K3現已上線kimi.com、最新版Kimi應用、Kimi API和Kimi Code編程助手，所有用戶可在免費額度內體驗，額度用完后需付費使用。Kimi稱，Kimi K3的完整模型權重將于7月27日前發布。智東西也在Kimi K3 Max模式下進行了多模態創意的實測。由于Kimi K3受到廣泛關注，使用人數不斷增多，智東西在進行第2個實測時被告知暫時無法使用。

一、實測對標Claude Fable 5，Kimi K3展示多模態創意理

智東西在Kimi K3 Max模式下測試了該模型的多模態與代碼生成能力，我們對Kimi K3下達的任務是要求其制作一個3D橫版的格斗游戲。

提示詞：制作一個單文件HTML的3D橫版格斗游戲，場景為被霸天虎入侵的破敗城市地圖，敵人為類人型賽博坦機器人，包含武器后坐力效果，采用低多邊形風格并帶有卡通美學。游戲開始時，玩家位于街道上，周圍有建筑廢墟；游戲中應包含可被擊倒的細節物品，如汽車、樹木、石塊/瓦礫和自動售貨機。玩家可以選擇5種擎天柱陣營角色進行游戲，并與5種霸天虎變種敵人戰斗，這些敵人會不斷生成，游戲為無限時間的沙盒模式。

從實測結果來看，Kimi K3僅用一次就完成了該游戲的創建，并且沒有出現錯誤。在游戲邏輯與元素還原上Kimi K3相較于之前的Kimi K2.6（下圖）都有較強的提升，主要表現在對提示詞的理解沒有像Kimi K2.6那樣出現讓玩家上下移動的情況，其次，在畫面的精細程度上，生成的人物更加接近提示詞要求，廢墟等環境都有出現。此外，在沒有提示的情況下，該游戲還為玩家提供了射擊和擊打2種攻擊模式。

AI領域記者Chetaslua對Kimi K3和GPT-5.6 Sol在3D內容生成方面進行了對比。他稱，兩款模型的差異不僅體現在輸出效果上，也體現在任務完成方式上。即便最終產出較為接近，二者采用的實現路徑仍存在明顯差異，他認為Kimi K3在創意生成方面表現更突出。

海外網友之前用Kimi K3生成了一個達芬奇工坊”（Officina di Leonardo）模擬器，主題是達芬奇設計的撲翼機（Ornithopter）。

Kimi K3不僅復現了文藝復興工坊的視覺風格，還理解了達芬奇撲翼機的歷史背景和工程細節，將材料、結構與空氣動力學知識融入生成結果，這說明該模型具備跨領域知識整合能力。

測評博主aditya在3D游戲生成任務中，將Kimi K3與GPT-5.6、Claude Fable 5、Grok 4.5同臺比拼，發現它們的性能不相上下，但Kimi K3單次調用成本僅0.71美元（約合人民幣4.81元），遠低于GPT、Claude；更突出的是它能解決其他模型察覺不到的隱性問題。他認為，開源大模型趕超頂尖閉源產品的速度遠超行業預期。

開發者LASCHUK也實測對比了Kimi K3與Claude Fable 5，提示詞都是復刻蘋果官網、無額外輔助，兩款模型都能完成頁面開發，但Kimi K3單次花費僅0.44美元（約合人民幣2.98元），成本只有Claude Fable 5 0.94美元（約合人民幣6.37元）的一半；按百萬token計價，Claude Fable 5定價遠高于市面絕大多數模型，Kimi K3定價僅其三分之一，LASCHUK由此質疑高價閉源模型的溢價價值。

二、從代碼開發到知識創作，Kimi K3展現復雜任務執行能力

在編程領域，Kimi K3不僅能夠理解大型代碼庫、調用終端工具，持續完成長時間的軟件開發任務，還能參與GPU內核優化、編譯器開發、芯片設計等高復雜度工程工作，并結合視覺理解能力完成游戲開發、前端設計等多模態編程任務。

首先，Kimi K3具備構建完整工程系統的能力。Kimi展示了該模型從零開始構建GPU編程系統的案例。它開發了類似Triton的編譯器MiniTriton，該編譯器可以將開發者編寫的程序轉換為GPU能夠執行的代碼，并完成優化和運行，在部分場景下性能達到甚至超過現有工具。

其次，Kimi K3還融合了3D推理、編程與視覺能力。它能將概念、圖像和視頻轉化為完全可玩的交互體驗。比如，Kimi K3生成的3D動畫游戲場景，里面是下雨天的森林，還包含湖泊，雨滴和馬匹以及人物等元素。

Kimi K3還能設計芯片。Kimi稱，在連續48小時的自主Agent運行中，Kimi K3基于開源EDA工具和Nangate 45nm工藝庫，獨立完成了芯片的構建、優化與驗證。

此外，Kimi K3還能將科學文獻中的方法轉化為可執行代碼，完成從論文理解、代碼實現到實驗分析的完整科研計算流程。

在知識生成領域，Kimi K3能夠自主搜集和分析大量資料，整合文獻、數據與工具，完成產業研究、科研分析、報告生成和可視化創作等任務。

下圖是Kimi K3生成的一份咨詢風格的行業報告，這份報告包含交互式可視化圖表。圖表中包括時間線、漏斗、甘特圖等。

這是Kimi K3對GWTC-5引力波的分析報告，它使用20多個并發subagents分析了391個引力波事件，生成了7張科學可視化圖、2張表格，并綜合了10多篇論文的文獻內容。

此外，Kimi K3還可以將技術概念轉化為動畫圖示和轉場。在這個案例中，Kimi K3制作了一支介紹自己架構的「3Blue1Brown」風格動態圖形講解視頻。

Kimi K3還能自己剪輯視頻。Kimi官方展示了該模型依托56段原始素材自主生成品牌宣傳視頻，獨立完成素材篩選、畫面動作匹配剪輯、卡點、音頻以及多輪迭代修改工作，較人工快上數天。

值得注意的是，Kimi K3還進一步增強了模型交互的可視化和持續管理能力。基于Kimi K3，Kimi Work推出了“小組件”和“看板”功能。其中，小組件支持在對話中生成可交互內容，并連接本地數據或外部插件實現動態更新；看板則能夠集中管理多個小組件，形成圍繞項目、主題或目標的長期工作空間。

三、多維評測驗證，編程、Agent與視覺能力全面提升

在官方公布的評測結果中，Kimi K3在編程、Agent任務和視覺理解等多個方向展現出較強能力。

在編程能力方面，Kimi K3在超長時序持續開發SWE Marathon、軟件逆向Program Bench、終端運維Terminal Bench 2.1等測試中表現突出。其中，SWE Marathon、Program Bench均取得第一，Terminal Bench 2.1達到88.3分，與GPT-5.6 Sol接近；在高難度軟件工程任務FrontierSWE中，Kimi K3以81.2分位列第二，僅次于Claude Fable 5。

在Agent和知識工作場景中，Kimi K3同樣展現出較強的任務執行能力。在網頁深度調研BrowseComp、辦公自動化Automation Bench、Excel財務建模SpreadsheetBench 2等測試中取得領先，其中BrowseComp達到91.2分，Automation Bench和SpreadsheetBench 2均排名第一。不過，在綜合白領任務GDPval-AA v2、APEX-Agents等更貼近真實辦公流程的評測中，Kimi K3仍弱于Claude Fable 5等頂級閉源模型。

在視覺能力方面，Kimi K3在圖表理解CharXiv、文檔分析OmniDocBench等任務中表現較強，其中OmniDocBench達到91.1分，超過參與對比的多款模型；但在部分視覺推理任務中，Kimi K3仍存在差距，例如零樣本視覺工具任務Zerobench低于Claude Fable 5。

Kimi內部也測試了Kimi K3的工程能力。在GPU內核優化測試中，Kimi K3需自主完成代碼分析、內核重寫和性能驗證，覆蓋AttnRes、KDA、MLA等GPU計算任務。結果顯示，在最高推理強度下，Kimi K3表現接近Claude Fable 5（含回退機制），并超過Claude Opus 4.8、GPT-5.6 Sol和GPT-5.5。

在知識工作方面，Kimi內部Internal Knowledge Work Bench測試顯示，在統一開啟最高深度思考模式后，Kimi K3在通用推理、深度文檔分析和金融專項三類任務中的表現均超過GPT-5.5和Claude Opus 4.8。

四、兩大架構升級支撐3T級模型，推理成本仍可控

據官方博客介紹，從去年7月到現在，中間有9個月，Kimi模型始終保持著開源模型的規模上限，參數量一直在1萬億以上，而今天推出的Kimi K3是首個參數量達到2.8萬億的開源模型。

Kimi K3的構建主要基于這2項架構更新：Kimi Delta Attention（KDA）和Attention Residuals（AttnRes）。更新之后的架構可讓信息在更長序列和更深模型中流動得更順暢。同時，Kimi K3進一步擴大了Mixture of Experts（MoE）的稀疏度：結合Stable LatentMoE框架后，該模型可以在896個專家中高效激活16個。

Kimi稱，再加上訓練方法和數據配方的優化，這些結構性改進讓Kimi K3相比Kimi K2的整體擴展效率提升約2.5倍，能更有效地把算力轉化為能力。

在訓練與部署上，該模型從SFT階段開始采用量化感知訓練，使用MXFP4權重和MXFP8激活，并通過平衡專家并行訓練提升吞吐。針對長上下文推理，Kimi團隊還向vLLM社區貢獻了KDA相關實現，使Kimi K3在2.8萬億參數和百萬token上下文條件下仍能控制推理成本。

在安全性和可靠性方面，Kimi稱目前Kimi K3仍存在一些使用限制。

一是由于Kimi K3是在保留思維歷史的模式下訓練的，如果Agent框架沒有正確返回完整歷史內容，或用戶在會話中從其他模型切換到K3，生成質量可能變得不穩定。

二是Kimi K3針對長期復雜任務進行了強化訓練，在用戶意圖不明確時可能表現得過于主動，因此官方建議在系統提示詞或AGENTS.md中設置更明確的行為邊界。

Kimi也承認，Kimi K3雖然具備較強競爭力，但用戶體驗相比Claude Fable 5、GPT 5.6 Sol等頂級閉源模型仍存在差距。

結語：Kimi K3拉開超大開源模型序幕，搞定復雜工作完整交付

Kimi K3的發布，進一步推動開源模型向超大規模邁進。但相比參數規模的提升，Kimi K3更值得關注的是其在長程任務執行上的探索。

從長時間代碼開發、GPU工程優化，到產業研究、科研分析和多模態創作，Kimi K3展示了大模型從內容生成向復雜任務執行和完整工作流交付的延伸。

不過，隨著模型規模持續擴大，如何進一步提升推理效率、降低使用成本，并縮小與頂級閉源模型在實際體驗上的差距，仍是開源模型后續發展需要解決的問題。

來源：Kimi、X