Kimi K3 深度解讀，國(guó)產(chǎn)開源 AI 逼近國(guó)際巨頭

熱點(diǎn)分析 · Kimi K3

Kimi K3深度分析2.8萬(wàn)億參數(shù)登頂編程榜，國(guó)產(chǎn)開源追到門口了

全球最大開源模型 · 前端編程Arena全球第一
實(shí)測(cè)3D驚艷但速度拉胯 · 月之暗面的IPO前哨戰(zhàn)

喜歡文章，想了解更多相關(guān)知識(shí)的朋友歡迎關(guān)注我

AI前沿模型分析

先說結(jié)論：能力上限高，但體驗(yàn)還沒跟上

7月16日深夜，月之暗面在WAIC開幕前夜扔出了一顆炸彈——Kimi K3，2.8萬(wàn)億參數(shù)，全球最大開源模型，前端編程盲測(cè)世界第一。

消息一出，智譜市值當(dāng)天蒸發(fā)了2053億港幣，跌了28%。Minimax也跟著跌了15.6%。信號(hào)很明確：基礎(chǔ)大模型的競(jìng)爭(zhēng)遠(yuǎn)沒到終局，落后和領(lǐng)先都可能是暫時(shí)的。

但別急著吹。我把官方技術(shù)博客、第三方評(píng)測(cè)、各路開發(fā)者實(shí)測(cè)全看了一遍，結(jié)論比較克制：K3確實(shí)是月之暗面迄今最強(qiáng)的模型，最有說服力的進(jìn)步不是"聊天更聰明"，而是把代碼、研究、文檔和工具調(diào)用串成了一條更長(zhǎng)、更穩(wěn)定的任務(wù)鏈。它有資格進(jìn)入全球第一梯隊(duì)，但速度、輸出長(zhǎng)度、成本和事實(shí)可靠性，決定了它并不適合所有場(chǎng)景。

這篇文章就來拆解K3到底強(qiáng)在哪、弱在哪、值不值得用。

一、2.8萬(wàn)億參數(shù)：全球最大開源模型的分量

先看基本參數(shù)。

總參數(shù)：2.8萬(wàn)億（2.8T）

架構(gòu)：MoE混合專家，896個(gè)專家，每次激活16個(gè)

上下文窗口：100萬(wàn)Token（約75萬(wàn)字）

模態(tài)：原生支持文本+圖像輸入，文本輸出

思考模式：始終開啟，默認(rèn)max檔

權(quán)重開放：2026年7月27日前發(fā)布完整權(quán)重

2.8萬(wàn)億參數(shù)是什么概念？目前全球開源模型里最大的。此前Kimi自己的K2是1萬(wàn)億級(jí)別，DeepSeek V3是6710億。K3直接把開源模型的天花板拉到了近3萬(wàn)億。

但參數(shù)大不等于一切。月之暗面自己也說了，K3的研發(fā)重點(diǎn)不是簡(jiǎn)單堆參數(shù)，而是通過架構(gòu)、訓(xùn)練方法和數(shù)據(jù)配方的協(xié)同優(yōu)化，把規(guī)模優(yōu)勢(shì)轉(zhuǎn)化為能力提升。這話不是吹——他們確實(shí)在架構(gòu)上做了真東西，后面細(xì)說。

有個(gè)細(xì)節(jié)值得一提：K3發(fā)布時(shí)的官方宣傳視頻，是K3自己剪輯的。它在56段原始素材里完成了選片、卡點(diǎn)、動(dòng)作匹配和音頻處理。月之暗面用這種方式傳遞了一個(gè)信號(hào)——它能做出完整的、讓人滿意的復(fù)雜作品。

K3與主流模型參數(shù)規(guī)模對(duì)比，全球首個(gè)3T級(jí)開源模型

二、架構(gòu)創(chuàng)新：KDA+AttnRes，不是只靠堆參數(shù)

K3能處理100萬(wàn)Token上下文還能保持質(zhì)量，靠的不是暴力堆算力，而是兩個(gè)自研的架構(gòu)創(chuàng)新。

第一個(gè)叫KDA（Kimi Delta Attention）。傳統(tǒng)Transformer的注意力計(jì)算復(fù)雜度是O(n2)——上下文越長(zhǎng)，計(jì)算量呈平方級(jí)增長(zhǎng)。這就是為什么很多模型號(hào)稱支持長(zhǎng)上下文，實(shí)際用起來要么慢得要死，要么后半段就"失憶"了。KDA的核心思路是把注意力計(jì)算線性化，通過細(xì)粒度逐通道門控機(jī)制，選擇性地聚焦關(guān)鍵信息，不再對(duì)所有位置做全量計(jì)算。

實(shí)測(cè)效果：在100萬(wàn)Token全量加載場(chǎng)景下，解碼速度最高提升6.3倍。這意味著百萬(wàn)Token上下文不再只是紙面參數(shù)——它是真的能用的。

第二個(gè)叫AttnRes（Attention Residuals）。傳統(tǒng)殘差連接以固定權(quán)重累加各層輸出，每層貢獻(xiàn)固定。AttnRes用學(xué)習(xí)到的、依賴輸入的注意力機(jī)制取代固定權(quán)重——模型自己決定從前面各層提取多少信息，像一個(gè)"動(dòng)態(tài)記憶管理器"。

關(guān)鍵數(shù)據(jù)：額外訓(xùn)練成本不到2%，訓(xùn)練效率提升約25%。在大規(guī)模MoE模型中，訓(xùn)練成本是限制規(guī)模發(fā)展的核心瓶頸，能在幾乎不增加預(yù)算的情況下提升訓(xùn)練效率，意味著同樣算力可以訓(xùn)練出更強(qiáng)的模型。

再加上Stable LatentMoE框架——896個(gè)專家里只激活16個(gè)，激活比例不到2%，在超大參數(shù)量和推理成本之間實(shí)現(xiàn)了平衡。整體擴(kuò)展效率比K2提升約2.5倍。

KDA線性注意力+AttnRes注意力殘差+MoE稀疏激活

說人話：K3不是靠蠻力堆參數(shù)，而是在"怎么讓信息在超長(zhǎng)文本和超深網(wǎng)絡(luò)里高效流動(dòng)"這個(gè)問題上做了真正的架構(gòu)創(chuàng)新。這是它和很多"只堆參數(shù)"的模型本質(zhì)區(qū)別。

三、前端編程Arena登頂：1679分力壓Claude和GPT

這是K3發(fā)布后傳播最廣的一個(gè)數(shù)據(jù)。

Frontend Code Arena是加州大學(xué)伯克利分校研究人員創(chuàng)建的第三方盲測(cè)平臺(tái)。規(guī)則很簡(jiǎn)單：同一道前端編程任務(wù)交給兩個(gè)匿名模型，用戶體驗(yàn)兩個(gè)結(jié)果后投票，投票完成才公布模型身份。累計(jì)約48萬(wàn)次投票。

Kimi K3以1679分排名全球第一，超過了Claude Fable 5的1631分和GPT-5.6 Sol的1618分。在7個(gè)前端編程細(xì)分領(lǐng)域中，K3拿下6個(gè)第一——品牌與營(yíng)銷、基于參考的設(shè)計(jì)、數(shù)據(jù)與分析、消費(fèi)產(chǎn)品、模擬、內(nèi)容創(chuàng)建工具，全部榜首。

從上一代K2.6的第18名直接躍升到第1名，這個(gè)飛躍幅度確實(shí)驚人。

但得說清楚一個(gè)事：Frontend Code Arena考察的是前端編程能力，不是綜合智能。K3的綜合智能指數(shù)（Artificial Analysis）是57分，整體表現(xiàn)仍落后于Claude Fable 5和GPT-5.6 Sol這兩個(gè)最強(qiáng)閉源模型。月之暗面在官方博客里也坦誠(chéng)寫了這一點(diǎn)。

更準(zhǔn)確的說法是：K3在前端編程這個(gè)垂直賽道上做到了全球第一，綜合能力進(jìn)入第一梯隊(duì)但還不是最強(qiáng)。這已經(jīng)是非常大的突破了——一年前國(guó)產(chǎn)開源模型在這個(gè)榜單上連前20都進(jìn)不去。

K3以1679分登頂前端編程Arena，7個(gè)細(xì)分領(lǐng)域6個(gè)第一

四、實(shí)測(cè)表現(xiàn)：3D生成驚艷，速度是最大短板

K3正式上線不到24小時(shí)，各路開發(fā)者的實(shí)測(cè)就密集到可以按場(chǎng)景分類了。出現(xiàn)頻率最高的三個(gè)測(cè)試方向：3D交互生成、前端編程、視覺設(shè)計(jì)。

3D生成本是最突出的亮點(diǎn)。有人讓它用Three.js生成一個(gè)可探索的微型城市，要求高低錯(cuò)落的建筑、街道、樹木、河流和晝夜循環(huán)系統(tǒng)。K3的畫面配色和諧，設(shè)計(jì)有心思，但細(xì)節(jié)不夠到位——會(huì)出現(xiàn)樹和路燈擋在路中間的情況。

科技博主Chris在發(fā)布前就拿到了匿名測(cè)試版，讓K3和GPT-5.6 Sol分別做體素死星壕溝飛行。他的評(píng)價(jià)是GPT-5.6光照和特效更好，但K3畫面更流暢。正式發(fā)布后，他又用K3構(gòu)建了一個(gè)CS:GO×Portal克隆游戲，三輪對(duì)話、約60萬(wàn)Token，按API定價(jià)算只花了3.24美元。他配文："免費(fèi)獨(dú)立游戲開發(fā)的時(shí)代比你想象的還要近。"

有人用櫻花盆景測(cè)試SVG視覺生成，發(fā)現(xiàn)K3在樹干扭曲、分層樹冠等細(xì)節(jié)上甚至比Fable 5更貼合要求。水流效果也能模擬出逼真的水波紋，保持物理連貫性。

但速度是繞不過去的硬傷。同一場(chǎng)景生成時(shí)間約為GPT-5.6 Sol的兩到三倍。瀑布場(chǎng)景近半小時(shí)，視頻剪輯近兩小時(shí)。Artificial Analysis測(cè)得K3輸出約62 tokens/秒，低于同類模型約70 tokens/秒的中位水平。

關(guān)于速度慢的原因，官方未作說明。可能的因素包括：2.8萬(wàn)億參數(shù)推理計(jì)算量大、max檔位默認(rèn)開啟深度思考、推理基礎(chǔ)設(shè)施尚未充分?jǐn)U容。后續(xù)開放low和high檔位后可能會(huì)有所改善。

3D交互生成能力突出，但生成時(shí)間是競(jìng)品的2-3倍

五、K3 vs GPT-5.6 Sol：Sol贏在可靠，K3贏在審美

被用來和海外最強(qiáng)旗艦對(duì)比，K3實(shí)際表現(xiàn)到底怎么樣？有媒體做了三個(gè)場(chǎng)景的正面PK，同一套提示詞分別喂給兩個(gè)模型。

場(chǎng)景一：3D迷宮游戲。要求第一人稱視角、WASD控制、小地圖、火炬照明、60秒倒計(jì)時(shí)。GPT-5.6 Sol干活非常快，K3還在加載時(shí)Sol已經(jīng)能開始玩了。但K3交付的成果整體視覺帶有像素風(fēng)，火炬和墻面紋理更有設(shè)計(jì)感，光線更暗，可玩性更高。Sol快且穩(wěn)，K3慢但有辨識(shí)度。

場(chǎng)景二：杯子倒水物理仿真。這道題考察數(shù)學(xué)建模、物理直覺和圖形學(xué)處理。GPT-5.6 Sol交了合格答案——水粒子老老實(shí)實(shí)待在杯子里，倒水從杯口流出，符合物理規(guī)律。K3在這道題上"翻車"了：裝水時(shí)水粒子穿透杯壁漏出去了，倒水時(shí)水從杯底流出。經(jīng)提醒后K3做出了改正，但改得也很慢。這個(gè)場(chǎng)景Sol完勝。

場(chǎng)景三：尼亞加拉大瀑布全景。GPT-5.6 Sol功能完整但有點(diǎn)"敷衍"——提示詞要的玻璃質(zhì)感綠水和透光白色水幕，拿到手的是一大片白色粒子糊在懸崖面上，提示詞里提到的彩虹也沒出現(xiàn)。K3更用心：畫面更精美，彩虹沒落下，水的渲染更接近真實(shí)瀑布水汽氤氳的視覺體驗(yàn)。當(dāng)然，K3花了近半小時(shí)。這個(gè)場(chǎng)景K3勝在審美。

三輪測(cè)試的結(jié)論：要又快又穩(wěn)的成品選Sol，要視覺上有辨識(shí)度的成品選K3，但得付出兩到三倍的時(shí)間成本。

三輪PK：Sol贏在速度和可靠性，K3贏在視覺審美

六、定價(jià)策略：不便宜，但復(fù)雜任務(wù)可能值

K3的API定價(jià)比上一代漲了不少，先看數(shù)字。

國(guó)內(nèi)API：輸入2元/百萬(wàn)Token（緩存命中），20元/百萬(wàn)Token（未命中），輸出100元/百萬(wàn)Token

國(guó)際API：輸入3美元/百萬(wàn)Token，輸出15美元/百萬(wàn)Token，緩存命中0.3美元

對(duì)比GPT-5.6 Sol：輸入5美元，輸出30美元

對(duì)比Claude Fable 5：輸入10美元，輸出50美元

跟海外旗艦比，K3確實(shí)便宜——輸出單價(jià)折合不到14美元，比GPT-5.6 Sol便宜一半，比Fable 5便宜三分之二。

但跟自家上一代比，K3的API輸入價(jià)格漲了3倍多，輸出價(jià)格漲了近4倍。這個(gè)漲幅相當(dāng)激進(jìn)。

關(guān)鍵問題不是單價(jià)貴不貴，而是完成一次可靠交付需要多少總成本。如果任務(wù)只是摘要和改寫，這個(gè)價(jià)格缺乏優(yōu)勢(shì)。但如果一次調(diào)用能完成過去需要多輪模型切換、人工檢索和反復(fù)修改的復(fù)雜任務(wù)——比如讓K3先查50份材料，列出矛盾證據(jù)，生成數(shù)據(jù)表和圖表，再寫成不同平臺(tái)版本——單位"成功任務(wù)"的成本反而可能合理。

還有個(gè)隱形成本：K3"話多"。完成Artificial Analysis整套評(píng)測(cè)用了約1.3億輸出Token，接近同類中位數(shù)6300萬(wàn)的兩倍。相比K2.6，Token效率已有提升（完成同樣九項(xiàng)任務(wù)，K3約消耗132M輸出Token，K2.6約消耗166M，減少約21%），但和市場(chǎng)橫向比較仍然偏冗長(zhǎng)。這會(huì)同時(shí)影響閱讀體驗(yàn)、延遲和賬單。

K3 API定價(jià)：比海外旗艦便宜，但比自家上代漲了3-4倍

七、局限短板：官方自己都承認(rèn)的三個(gè)問題

月之暗面在官方博客里坦誠(chéng)地寫了三個(gè)局限，這點(diǎn)值得點(diǎn)贊——很多模型發(fā)布時(shí)只報(bào)喜不報(bào)憂。

第一，對(duì)歷史思考內(nèi)容敏感。如果Agent框架沒有完整回傳歷史，或在一個(gè)進(jìn)行中的會(huì)話里從其他模型切換到K3，生成質(zhì)量可能明顯波動(dòng)。換句話說，100萬(wàn)窗口提供了容量，但真正決定體驗(yàn)的仍是上下文管理和Agent框架是否適配。別指望隨便接個(gè)框架就能跑出最佳效果。

第二，訓(xùn)練偏向長(zhǎng)程高難任務(wù)，簡(jiǎn)單問題容易"過度主動(dòng)"。面對(duì)小問題或模糊意圖時(shí)，K3會(huì)替用戶做出意外決定。對(duì)于自動(dòng)發(fā)郵件、改數(shù)據(jù)庫(kù)、部署代碼等高風(fēng)險(xiǎn)動(dòng)作，這不是性格問題，而是權(quán)限控制問題。使用K3做Agent時(shí)，必須明確寫出可執(zhí)行范圍、必須確認(rèn)的動(dòng)作、禁止訪問的資源和失敗后的停止條件。

第三，與Fable 5和GPT-5.6 Sol相比，在用戶體驗(yàn)上仍有差距。

除了官方承認(rèn)的，第三方評(píng)測(cè)還暴露了更多問題：

速度慢——前面說了，62 tokens/秒，低于行業(yè)中位數(shù)

幻覺率高——準(zhǔn)確率從K2.6的33%提升到46%，但幻覺率也從39%上升到51%。模型回答了更多問題，但也更愿意在不知道時(shí)給出答案。用于新聞、法律、醫(yī)療、金融時(shí)，來源核驗(yàn)仍是硬要求

物理仿真不夠可靠——杯子倒水測(cè)試翻車說明，K3在物理直覺方面還不是一次到位，需要多輪提醒修正

本地部署門檻極高——2.8萬(wàn)億參數(shù)的完整權(quán)重，全精度約1.7TB，2-bit量化約950GB-1TB，最激進(jìn)的1.8-bit壓縮也要650-700GB。512GB的Mac Studio都不夠。月之暗面自己建議用64+加速器的超節(jié)點(diǎn)配置，這只有企業(yè)數(shù)據(jù)中心才有

速度慢、話多、幻覺率高、部署門檻極高

八、市場(chǎng)影響：估值飆升，開源改寫格局

K3不只是一次產(chǎn)品更新，它的發(fā)布節(jié)點(diǎn)和背后的商業(yè)故事同樣值得關(guān)注。

融資和估值方面，月之暗面近半年動(dòng)作頻頻。2025年12月完成C輪5億美元融資，投后估值43億美元。今年5月完成約20億美元融資，投后估值突破200億美元。6月底又啟動(dòng)新一輪，投前估值升至315億美元——年內(nèi)第6輪融資。

收入增速方面，3月Kimi的ARR（年度經(jīng)常性收入）突破1億美元，6月中旬達(dá)到3億美元，三個(gè)月增至3倍。API貢獻(xiàn)了Kimi總收入的七成以上，海外API收入已超過國(guó)內(nèi)。個(gè)人訂閱用戶1月支付訂單數(shù)環(huán)比增長(zhǎng)8280%，2月再漲123.8%，進(jìn)入Stripe全球榜單前十，成為首個(gè)闖入前十的中國(guó)AGI產(chǎn)品。

競(jìng)爭(zhēng)格局方面，K3發(fā)布當(dāng)天智譜市值蒸發(fā)28%，這不是巧合。月之暗面試圖構(gòu)建的路徑是：用開源模型吸引全球開發(fā)者，通過開發(fā)者工具進(jìn)入真實(shí)工作流，再將對(duì)穩(wěn)定性、速度和服務(wù)要求更高的用戶轉(zhuǎn)化為API客戶。理論上可以形成飛輪效應(yīng)——模型能力帶來開源影響力，開源帶來開發(fā)者，開發(fā)者轉(zhuǎn)化為API收入，收入再支持訓(xùn)練和推理投入。

開源意義方面，K3計(jì)劃7月27日前發(fā)布完整權(quán)重。即使大多數(shù)人沒有能力本地部署，開放權(quán)重的意義依然重大——它消除了"模型被下架"的依賴風(fēng)險(xiǎn)，允許研究者檢視、微調(diào)和改進(jìn)，讓高校和小公司也能在先進(jìn)模型基礎(chǔ)上構(gòu)建應(yīng)用。這是開源生態(tài)第一次在長(zhǎng)程代碼和知識(shí)工作上逼近最強(qiáng)閉源產(chǎn)品。

還有一個(gè)不能忽視的背景：月之暗面正在籌備港股IPO。K3的發(fā)布不只是一輪產(chǎn)品更新，也像一次上市前的能力宣示。但I(xiàn)PO最終檢驗(yàn)的不會(huì)是榜單成績(jī)，還有3億美元ARR能否持續(xù)、客戶是否留存、推理成本能否控制，以及技術(shù)優(yōu)勢(shì)能保持多久。

估值315億美元，ARR三個(gè)月增至3倍，IPO前哨戰(zhàn)

K3到底適合誰(shuí)用

說了這么多，落到實(shí)際——K3適合什么場(chǎng)景，不適合什么場(chǎng)景？

適合的場(chǎng)景：

大型代碼倉(cāng)庫(kù)理解和修改——K3的長(zhǎng)程編程能力是核心賣點(diǎn)，能讀懂大型倉(cāng)庫(kù)、操作終端、修改代碼、運(yùn)行測(cè)試、根據(jù)結(jié)果繼續(xù)修正

復(fù)雜研究任務(wù)——先查大量材料，列出矛盾證據(jù)，生成數(shù)據(jù)表和圖表，寫成不同版本交付物

前端開發(fā)與視覺迭代——上傳設(shè)計(jì)截圖，讓K3根據(jù)視覺反饋持續(xù)優(yōu)化頁(yè)面，形成"視覺在環(huán)路"的開發(fā)閉環(huán)

3D交互內(nèi)容生成——Three.js微型城市、3D游戲、物理仿真（但需要多輪提醒修正）

圖文混合交付——生成包含表格、圖表、幻燈片和交互式網(wǎng)站的綜合成果

不適合的場(chǎng)景：

日常問答和短文潤(rùn)色——K3偏冗長(zhǎng)，簡(jiǎn)單問題也容易"過度主動(dòng)"，用K2.6或?qū)Ｓ眯∧Ｐ透鼊澦?/p>

低延遲客服——速度是硬傷，62 tokens/秒的輸出速度不適合實(shí)時(shí)對(duì)話場(chǎng)景

大規(guī)模便宜調(diào)用——價(jià)格漲了3-4倍，大規(guī)模調(diào)用成本不低

事實(shí)可靠性要求極高的場(chǎng)景——幻覺率51%，新聞、法律、醫(yī)療、金融必須配合來源核驗(yàn)

一句話建議

不要立刻把所有工作遷移到K3。挑選三個(gè)真實(shí)任務(wù)進(jìn)行測(cè)試：一個(gè)大型代碼修改、一個(gè)多來源研究、一個(gè)圖文混合交付。記錄成功率、人工接管次數(shù)、總耗時(shí)和總成本，再?zèng)Q定是否替換現(xiàn)有模型。

K3已經(jīng)進(jìn)入第一梯隊(duì)。接下來真正決定它位置的，不是下一張榜單，而是能否在真實(shí)工作里更穩(wěn)定地把任務(wù)做完。

幾個(gè)值得關(guān)注的后續(xù)節(jié)點(diǎn)

7月27日——完整模型權(quán)重發(fā)布。屆時(shí)開發(fā)者可以下載、研究、微調(diào)。社區(qū)能否以可接受成本部署，才是"開放"價(jià)值的真正檢驗(yàn)。

low和high思考檔位——目前K3默認(rèn)max檔，后續(xù)會(huì)增加低檔和高檔模式。速度問題可能會(huì)隨之改善。

港股IPO進(jìn)程——K3是上市前的能力宣示，但I(xiàn)PO檢驗(yàn)的是持續(xù)收入和成本控制，不是榜單成績(jī)。

智譜和Minimax的反撲——K3發(fā)布當(dāng)天智譜跌了28%，但智譜的ARR已達(dá)10億美元，半年增長(zhǎng)15倍。競(jìng)爭(zhēng)遠(yuǎn)沒到終局。

社區(qū)獨(dú)立評(píng)測(cè)——目前很多數(shù)據(jù)來自月之暗面自己的評(píng)測(cè)，完整權(quán)重發(fā)布后，研究社區(qū)的獨(dú)立驗(yàn)證會(huì)給出更客觀的畫像。

總結(jié)

把時(shí)間軸拉到18個(gè)月前，當(dāng)時(shí)國(guó)產(chǎn)大模型的話題還是"能不能追上GPT-4"。現(xiàn)在K3在前端編程盲測(cè)上力壓Claude Fable 5和GPT-5.6 Sol登頂全球第一，綜合能力穩(wěn)定超越GPT-5.5和Opus 4.8。

國(guó)產(chǎn)開源與海外旗艦的差距，至少已經(jīng)大幅壓縮了。

但K3給人的整體感覺是：能力上限高，但體驗(yàn)還沒完全跟上。3D和視覺生成能力最突出，前端UI設(shè)計(jì)水準(zhǔn)接近Fable 5，編碼能力強(qiáng)但還沒超過最強(qiáng)閉源模型，速度是最大短板。它不是"所有任務(wù)的新默認(rèn)"，而是復(fù)雜任務(wù)的新候選。

月之暗面用K3證明了：中國(guó)開源大模型正在從"單點(diǎn)亮相"走向"群體突破"。接下來真正重要的不是下一個(gè)參數(shù)紀(jì)錄，而是開源模型能否在真實(shí)工作流中持續(xù)創(chuàng)造價(jià)值——從榜單第一走向日常可靠。

這一點(diǎn)，K3開了個(gè)好頭，但路還很長(zhǎng)。

AI前沿模型分析 · Kimi K3專題

2026年7月

喜歡文章，想了解更多相關(guān)知識(shí)的朋友歡迎關(guān)注我