打败Fable 5！Kimi K3冲上第一，杨植麟导师很骄傲

智东西7月17日报道，Kimi终于放出了大招——正式发布了他们迄今为止能力最强、也是全球首个开源的3万亿参数级别模型Kimi K3。这个模型的参数量达到了2.8万亿，原生支持视觉理解，并且拥有100万token的上下文窗口。算下来，这确实是一个里程碑式的产品。

Kimi K3一上线，立刻就成了大模型圈的顶流。不少网友把它称作“中国的Fable 5时刻”。就连Kimi创始人兼CEO杨植麟的博士生导师、CMU的机器学习泰斗Russ Salakhutdinov，也专门发帖盛赞新版Kimi给开源社区带来了重大突破。

不仅如此，云平台Vercel的创始人、Next.js的作者Guillermo Rauch，公布了一个专业网页工程AI评测结果，Kimi K3的综合表现位列第一。他发帖说，这是首次有开源模型在这个权威榜单上超越全部海外闭源模型；代码任务成功率达到92%，开发效率甚至优于同梯队中的Claude Fable 5。

测评博主aditya实测后，觉得Kimi K3就像中国开源了Claude Fable 5类型的模型。他用Kimi K3生成了一款枪战游戏，并表示从未见过AI仅凭一个提示就能生成如此惊喜的界面。

另一位AI头部测评博主Taelin也体验了Kimi K3。他认为在某些题目上，Kimi K3的表现确实超过了Claude Fable 5，但有些题目表现却很差，而且花费的时间是Claude Fable 5的10倍。不过，他坦言，用Claude Sonnet 5的价格就能买到接近Claude Fable 5的开源模型，这个事实确实改变了他的看法。

从技术博客来看，Kimi K3的长程Agent式执行能力大幅提升。这个模型可以把编程、视觉理解、工具调用和知识工作串成一个完整流程。以官方展示的ASIC行业42年研究网站为例，Kimi K3通过120多轮迭代，完成了2800多次网页搜索与抓取、1100多次终端数据提取，处理了87份季度报告和99份原始PDF，最终生成了一份包含定制图表、动画示意图和交互式可视化叙事的研究报告。这已经不是简单的问答，而是完整的工作流交付了。

在基准测试方面，Kimi K3在大模型评测竞技场Arena.AI的前端代码测试中，超越了Claude Fable 5；在第三方独立测评机构Vals AI中，综合测试得分为74.7，位列第2，超越了GPT-5.6，仅次于Claude Fable 5。

Kimi K3上线前，在海外曾以“Kivine”为代号，被不少网友注意到。开源生态基金会Super Gemma的创始人Jun Song评价称，从生成的结果来看，“Kimi明显比Opus强”，并且认为Kimi K3已经达到了Opus 5的水平。

在架构和基础设施上，Kimi K3通过KDA、AttnRes等架构升级，以及更高稀疏性的MoE设计，提高了长序列信息处理和模型扩展效率。相比Kimi K2，整体扩展效率提升了约2.5倍。

价格方面，Kimi维持了分级计费模式，但相比Kimi K2.6，价格有明显上涨。具体来看，Kimi K3每百万token的输入价格为20元（缓存未命中），较Kimi K2.6的6.5元上涨了约207.69%；缓存命中情况下的输入价格为2元，较之前的1.1元也有所提升；而输出价格则从27元上调至100元，涨幅约270.37%。在窗口容量上，Kimi K3提供了1,048,576 token的上下文窗口支持。

不过，相比顶级闭源模型，Kimi K3仍然保持着较低的价格。以Claude Fable 5为例，其API输入和输出价格分别为每百万token 10美元（约合软妹币67.78元）和50美元（约合软妹币338.88元），明显高于Kimi K3。

Kimi K3现已上线kimi.com、最新版Kimi应用、Kimi API和Kimi Code编程助手，所有用户可以在免费额度内体验，额度用完后需付费使用。Kimi称，Kimi K3的完整模型权重将于7月27日前发布。智东西也在Kimi K3 Max模式下进行了多模态创意的实测。由于Kimi K3受到广泛关注，使用人数不断增多，智东西在进行第2个实测时被告知暂时无法使用，可见热度之高。

01. 实测对标Claude Fable 5，Kimi K3展示多模态创意理解

智东西在Kimi K3 Max模式下测试了该模型的多模态与代码生成能力。我们对Kimi K3下达的任务是要求其制作一个3D横版的格斗游戏。

提示词：制作一个单文件HTML的3D横版格斗游戏，场景为被霸天虎入侵的破败城市地图，敌人为类人型赛博坦机器人，包含武器后坐力效果，采用低多边形风格并带有卡通美学。游戏开始时，玩家位于街道上，周围有建筑废墟；游戏中应包含可被击倒的细节物品，如汽车、树木、石块/瓦砾和自动售货机。玩家可以选择5种擎天柱阵营角色进行游戏，并与5种霸天虎变种敌人战斗，这些敌人会不断生成，游戏为无限时间的沙盒模式。

从实测结果来看，Kimi K3仅用一次就完成了该游戏的创建，并且没有出现错误。在游戏逻辑与元素还原上，Kimi K3相较于之前的Kimi K2.6（下图）都有较强的提升，主要表现在对提示词的理解没有像Kimi K2.6那样出现让玩家上下移动的情况。其次，在画面的精细程度上，生成的人物更加接近提示词要求，废墟等环境都有出现。此外，在没有提示的情况下，该游戏还为玩家提供了射击和击打2种攻击模式。

AI领域记者Chetaslua对Kimi K3和GPT-5.6 Sol在3D内容生成方面进行了对比。他称，两款模型的差异不仅体现在输出效果上，也体现在任务完成方式上。即便最终产出较为接近，二者采用的实现路径仍存在明显差异，他认为Kimi K3在创意生成方面表现更突出。

海外网友之前用Kimi K3生成了一个“达芬奇工坊”（Officina di Leonardo）模拟器，主题是达芬奇设计的扑翼机（Ornithopter）。Kimi K3不仅复现了文艺复兴工坊的视觉风格，还理解了达芬奇扑翼机的历史背景和工程细节，将材料、结构与空气动力学知识融入生成结果。这说明该模型具备跨领域知识整合能力。

测评博主aditya在3D游戏生成任务中，将Kimi K3与GPT-5.6-Sol、Claude Fable 5、Grok 4.5同台比拼，发现它们的性能不相上下，但Kimi K3单次调用成本仅0.71美元（约合软妹币4.81元），远低于GPT、Claude；更突出的是它能解决其他模型察觉不到的隐性问题。他认为，开源大模型赶超顶尖闭源产品的速度，远超行业预期。

开发者LASCHUK也实测对比了Kimi K3与Claude Fable 5，提示词都是复刻苹果官网、无额外辅助。两款模型都能完成页面开发，但Kimi K3单次花费仅0.44美元（约合软妹币2.98元），成本只有Claude Fable 5 0.94美元（约合软妹币6.37元）的一半；按百万token计价，Claude Fable 5定价远高于市面绝大多数模型，Kimi K3定价仅其三分之一。LASCHUK由此质疑高价闭源模型的溢价价值。

02. 从代码开发到知识创作，Kimi K3展现复杂任务执行能力

在编程领域，Kimi K3不仅能够理解大型代码库、调用终端工具，持续完成长时间的软件开发任务，还能参与GPU内核优化、编译器开发、芯片设计等高复杂度工程工作，并结合视觉理解能力完成游戏开发、前端设计等多模态编程任务。

首先，Kimi K3具备构建完整工程系统的能力。Kimi展示了该模型从零开始构建GPU编程系统的案例。它开发了类似Triton的编译器MiniTriton，该编译器可以将开发者编写的程序转换为GPU能够执行的代码，并完成优化和运行，在部分场景下性能达到甚至超过现有工具。

其次，Kimi K3还融合了3D推理、编程与视觉能力。它能将概念、图像和视频转化为完全可玩的交互体验。比如，Kimi K3生成的3D动画游戏场景，里面是下雨天的森林，还包含湖泊，雨滴和马匹以及人物等元素。

Kimi K3还能设计芯片。Kimi称，在连续48小时的自主Agent运行中，Kimi 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。

此外，Kimi K3还能将科学文献中的方法转化为可执行代码，完成从论文理解、代码实现到实验分析的完整科研计算流程。

在知识生成领域，Kimi K3能够自主搜集和分析大量资料，整合文献、数据与工具，完成产业研究、科研分析、报告生成和可视化创作等任务。

下图是Kimi K3生成的一份咨询风格的行业报告，这份报告包含交互式可视化图表。图表中包括时间线、漏斗、甘特图等。

这是Kimi K3对GWTC-5引力波的分析报告，它使用20多个并发subagents分析了391个引力波事件，生成了7张科学可视化图、2张表格，并综合了10多篇论文的文献内容。

此外，Kimi K3还可以将技术概念转化为动画图示和转场。在这个案例中，Kimi K3制作了一支介绍自己架构的「3Blue1Brown」风格动态图形讲解视频。

Kimi K3还能自己剪辑视频。Kimi官方展示了该模型依托56段原始素材自主生成品牌宣传视频，独立完成素材筛选、画面动作匹配剪辑、卡点、音频以及多轮迭代修改工作，较人工快上数天。

值得注意的是，Kimi K3还进一步增强了模型交互的可视化和持续管理能力。基于Kimi K3，Kimi Work推出了“小组件”和“看板”功能。其中，小组件支持在对话中生成可交互内容，并连接本地数据或外部插件实现动态更新；看板则能够集中管理多个小组件，形成围绕项目、主题或目标的长期工作空间。

03. 多维评测验证，编程、Agent与视觉能力全面提升

在官方公布的评测结果中，Kimi K3在编程、Agent任务和视觉理解等多个方向展现出较强能力。

在编程能力方面，Kimi K3在超长时序持续开发SWE Marathon、软件逆向Program Bench、终端运维Terminal Bench 2.1等测试中表现突出。其中，SWE Marathon、Program Bench均取得第一，Terminal Bench 2.1达到88.3分，与GPT-5.6 Sol接近；在高难度软件工程任务FrontierSWE中，Kimi K3以81.2分位列第二，仅次于Claude Fable 5。

在Agent和知识工作场景中，Kimi K3同样展现出较强的任务执行能力。在网页深度调研BrowseComp、办公自动化Automation Bench、Excel财务建模SpreadsheetBench 2等测试中取得领先，其中BrowseComp达到91.2分，Automation Bench和SpreadsheetBench 2均排名第一。不过，在综合白领任务GDPval-AA v2、APEX-Agents等更贴近真实办公流程的评测中，Kimi K3仍弱于Claude Fable 5等顶级闭源模型。

在视觉能力方面，Kimi K3在图表理解CharXiv、文档分析OmniDocBench等任务中表现较强，其中OmniDocBench达到91.1分，超过参与对比的多款模型；但在部分视觉推理任务中，Kimi K3仍存在差距，例如零样本视觉工具任务Zerobench低于Claude Fable 5。

Kimi内部也测试了Kimi K3的工程能力。在GPU内核优化测试中，Kimi K3需自主完成代码分析、内核重写和性能验证，覆盖AttnRes、KDA、MLA等GPU计算任务。结果显示，在最高推理强度下，Kimi K3表现接近Claude Fable 5（含回退机制），并超过Claude Opus 4.8、GPT-5.6 Sol和GPT-5.5。

在知识工作方面，Kimi内部Internal Knowledge Work Bench测试显示，在统一开启最高深度思考模式后，Kimi K3在通用推理、深度文档分析和金融专项三类任务中的表现均超过GPT-5.5和Claude Opus 4.8。

04. 两大架构升级支撑3T级模型，推理成本仍可控

据官方博客介绍，从去年7月到现在，中间有9个月，Kimi模型始终保持着开源模型的规模上限，参数量一直在1万亿以上，而今天推出的Kimi K3是首个参数量达到2.8万亿的开源模型。

Kimi K3的构建主要基于2项架构更新：Kimi Delta Attention（KDA）和Attention Residuals（AttnRes）。更新之后的架构可让信息在更长序列和更深模型中流动得更顺畅。同时，Kimi K3进一步扩大了Mixture of Experts（MoE）的稀疏度：结合Stable LatentMoE框架后，该模型可以在896个专家中高效激活16个。

Kimi称，再加上训练方法和数据配方的优化，这些结构性改进让Kimi K3相比Kimi K2的整体扩展效率提升约2.5倍，能更有效地把算力转化为能力。

在训练与部署上，该模型从SFT阶段开始采用量化感知训练，使用MXFP4权重和MXFP8激活，并通过平衡专家并行训练提升吞吐。针对长上下文推理，Kimi团队还向vLLM社区贡献了KDA相关实现，使Kimi K3在2.8万亿参数和百万token上下文条件下仍能控制推理成本。

在安全性和可靠性方面，Kimi称目前Kimi K3仍存在一些使用限制。一是由于Kimi K3是在保留思维历史的模式下训练的，如果Agent框架没有正确返回完整历史内容，或用户在会话中从其他模型切换到K3，生成质量可能变得不稳定。二是Kimi K3针对长期复杂任务进行了强化训练，在用户意图不明确时可能表现得过于主动，因此官方建议在系统提示词或AGENTS.md中设置更明确的行为边界。

Kimi也承认，Kimi K3虽然具备较强竞争力，但用户体验相比Claude Fable 5、GPT 5.6 Sol等顶级闭源模型仍存在差距。

05. 结语：Kimi K3拉开超大开源模型序幕，搞定复杂工作完整交付

Kimi K3的发布，进一步推动开源模型向超大规模迈进。但相比参数规模的提升，Kimi K3更值得关注的是其在长程任务执行上的探索。从长时间代码开发、GPU工程优化，到产业研究、科研分析和多模态创作，Kimi K3展示了大模型从内容生成向复杂任务执行和完整工作流交付的延伸。

不过，随着模型规模持续扩大，如何进一步提升推理效率、降低使用成本，并缩小与顶级闭源模型在实际体验上的差距，仍是开源模型后续发展需要解决的问题。