Kimi 正式推出 K3 多模態模型,擁有 2.8 兆參數和一百萬 token 的上下文視窗。根據該公司自己的基準測試,K3 的性能表現與領先的專有模型不相上下。
Kimi 表示,這款全新的旗艦模型 K3 總計有 2.8 兆參數,能夠原生處理圖像和影片,並支援一百萬 token 的上下文視窗。Kimi 稱 K3 是首個達到約 3 兆參數規模的開源模型。完整的模型權重預計將於 7 月 27 日前發布。此模型主要針對長時間的程式設計任務、知識工作和複雜推理應用。
Kimi 正式推出 K3 多模態模型,擁有 2.8 兆參數和一百萬 token 的上下文視窗。根據 Kimi 內部基準測試,K3 性能與頂尖專有模型不相上下,但獨立測試指出其幻覺率較高。儘管 K3 的價格高於前代,但仍比西方頂級模型便宜,同時也預示著中國 AI 模型不再走超低價路線。

Kimi 正式推出 K3 多模態模型,擁有 2.8 兆參數和一百萬 token 的上下文視窗。根據該公司自己的基準測試,K3 的性能表現與領先的專有模型不相上下。
Kimi 表示,這款全新的旗艦模型 K3 總計有 2.8 兆參數,能夠原生處理圖像和影片,並支援一百萬 token 的上下文視窗。Kimi 稱 K3 是首個達到約 3 兆參數規模的開源模型。完整的模型權重預計將於 7 月 27 日前發布。此模型主要針對長時間的程式設計任務、知識工作和複雜推理應用。
在 Kimi 自己的基準測試中,K3 雖然仍略遜於頂級專有模型 Claude Fable 5 和 GPT 5.6 Sol,但擊敗了所有其他受測系統,包括 Claude Opus 系列模型和中國競爭對手 GLM-5.2。Kimi 表示,所有結果均由該公司提供,並在最高或高思考強度下達成。
Kimi K3 在六項程式設計基準測試中贏得兩項,其餘則名列第二或第三。
在通用代理方面,Kimi K3 在六項測試中贏得三項。Fable 5 則在兩項視覺代理測試中拔得頭籌。
在全部 35 項測試中,K3 約有七次獲得第一名,其餘大部分則位居第二或第三。Fable 5 贏得了最多的單項測試。在幾乎所有基準測試中,K3 都以顯著優勢擊敗了 Opus 4.8、GPT 5.5 和 GLM 5.2。然而,根據不同的基準測試,使用了三種代理系統之一:KimiCode、Claude Code 或 Codex,這意味著結果並非都在完全相同的條件下收集。
獨立測試實驗室 Artificial Analysis 發布了對 Kimi K3 的首次評估。該模型在 Artificial Analysis 智慧指數上獲得 57 分,與 Opus 4.8 和 GPT-5.5 相當,但仍落後於 Fable 5 和 GPT-5.6 Sol。這與 Kimi 自己的說法大致吻合。
Kimi K3 在 Artificial Analysis 智慧指數上獲得 57 分,總體排名第四,落後於 Claude Fable 5 (60 分)、GPT-5.6 Sol (59 分) 和 Claude Opus 4.8 (56 分)。
在代理任務方面,K3 在 GDPval v2 上的 Elo 評分達到 1,668,較 K2.6 的 1,190 分大幅躍升。它擊敗了 GLM-5.2 (1,514 分)、GPT-5.5 (1,494 分) 和 Claude Opus 4.8 (1,600 分),儘管仍不及 Claude Fable 5 (1,760 分)。
K3 還在 AutomationBench-AA(Artificial Analysis 版本的 Zapier 代理 SaaS 工作流程評估)中以 53% 的分數位居榜首。
在 AA-Briefcase(一項私有的長期知識工作評估)中,K3 的總體 Elo 評分達到 1,547,較 K2.6 提升了 732 分。僅 Claude Fable 5 的分數更高。Artificial Analysis 稱 K3 表現全面,其評分標準和分析品質接近 Fable 5 的水準。不過,GPT-5.6 Sol 在呈現品質方面仍領先。
K3 在 AA-Omniscience 指數上的準確度從 33% 提升至 46%,使總體分數從 +6 提高到 +18。然而,其幻覺率卻從 39% 上升到 51%,這意味著即使 K3 答對了更多問題,它也編造了更多答案。
Kimi 表示,該模型的主要應用場景是需要最少人為監督的長期軟體開發。K3 旨在分析大型程式碼庫、協調終端工具,並在多個工作步驟中保持專注於一項任務。
該模型將程式設計與視覺回饋結合:它檢查螢幕截圖、修改程式碼,然後檢查可見的輸出。Kimi 將這種閉環系統稱為「Vision in the Loop」,並將其定位為遊戲開發、UI 設計和 CAD 的基礎。
作為展示,Kimi 秀出了一款據稱由 K3 完全在瀏覽器中,利用 Three.js、WebGPU 和 GPU Compute 打造的程序生成 3D 開放世界遊戲,以及一個互動式黑洞視覺化。在開放世界演示中,K3 程序性地生成了環境,並使用外部工具創建了 3D 騎手和馬匹模型。其他演示還包括長征十號火箭發射與返回的模擬,以及一個 Game Boy Advance 模擬器。
K3 採用了專家混合(mixture-of-experts)架構,一次只啟用 896 個專家中的 16 個。它還搭配了一種名為 Kimi Delta Attention 的新型注意力架構,Kimi 表示這能使百萬 token 上下文的解碼速度提高達 6.3 倍。據報導,「注意力殘差」(Attention residuals)將訓練效率提高了約 25%,同時僅增加了不到 2% 的額外計算開銷。
根據 Kimi API 文件,一百萬個輸入 token 在快取命中時費用為 0.30 美元,未命中時為 3.00 美元。一百萬個輸出 token(包括推理)費用為 15.00 美元。這些價格不論上下文長度如何都適用。快取會自動發生,這使得未修改的長前綴對於代理和大型程式碼庫特別有用。
這使得 K3 的價格遠高於其前身 K2.6,後者官方價格為一百萬 token 快取命中時 0.16 美元,未命中時 0.95 美元,輸出為 4.00 美元。中國供應商也不再以超低價提供其前沿模型。
儘管如此,K3 仍比西方頂級模型便宜許多,更像是中高階產品。例如,Anthropic 的新模型 Sonnet 5,雖然輸入每百萬 token 也要 3 美元,輸出 15 美元,但性能卻較低。
根據 Artificial Analysis 的數據,K3 在智慧指數上平均每項任務花費 0.94 美元,接近 GPT-5.6 Sol 的 1.04 美元,約為 Opus 4.8 的 1.80 美元的一半。不過,它遠高於 GLM-5.2 (0.32 美元) 和 DeepSeek V4 Pro (0.04 美元) 等開源模型。
每項任務 0.94 美元,Kimi K3 的價格與 GPT-5.6 Sol (1.04 美元) 處於相同範圍,但成本約為 Opus 4.8 (1.80 美元) 的一半。DeepSeek V4 Pro (0.04 美元) 和 GLM-5.2 (0.32 美元) 等開源競爭對手則便宜得多。
K3 也比其前身使用了更少的 token。它完成所有九項評估約需要 1.32 億個輸出 token,低於 K2.6 的約 1.66 億個,減少了 21%,同時分數提高了 13 分。然而,由於 token 價格大幅上漲,K3 在大多數情況下每項任務的成本可能仍會高於 K2.6。
K3 目前已可透過 Kimi.com、適用於 iOS、Android 和 HarmonyOS 的行動應用程式、Kimi Work 桌面客戶端(3.1.0 版及更高版本)以及 Kimi Code 取得。在 OpenRouter 上,該模型以「moonshotai/kimi-k3」的識別碼列出,儘管目前僅透過 Moonshot 本身提供服務。模型的開源權重預計將於七月底前發布。
對於企業用戶,Kimi 提供了一個獨立版本,具備成員管理和個人與企業帳戶分離的功能。一個名為 Kimi Hosted Agent 的規劃平台將為長期運行的任務提供隔離的環境和執行時。有興趣的用戶現在可以註冊候補名單。
覺得值得一看?分享給朋友。
以上為 AI 自動翻譯導讀。原文版權歸 The Decoder 所有, 建議透過「閱讀原文」前往原始網站,以取得最完整資訊並支持原作者。
43 個來源、每 2 小時更新,太多看不完。電子報每週挑最值得看的幾則,附上 Max 的看法。