Kimi K3 实测曝光！2.8万亿参数最强开源 AI，代码能力直逼 Claude 5？

本文数据来自社区泄露与早期实测,截至发稿月之暗面尚未发布官方模型卡、基准测试与定价,一切以官方公布为准。

前言

这两天 AI 圈又炸了一次。月之暗面的 Kimi K3,没有发布会、没有官宣,直接”悄悄上线”——模型已经陆续出现在 Kimi 的 App、命令行 CLI 和桌面客户端里,官方连模型卡都还没放,海外测试者已经把它玩疯了。

有人说它是第一个真正能在 3D 和游戏开发领域跟 Claude Fable 5 掰手腕的模型,还有人直接放话:Kimi K3 完爆所有开源模型。

那它到底是真有实力,还是又一波营销炒作?这篇文章把目前流出的所有实测案例梳理一遍,你自己来判断。

一、Kimi K3 是什么?先把底细讲清楚

根据目前流出的信息,K3 的核心规格是这样的:

项目	Kimi K2 系列	Kimi K3(泄露)
总参数量	1T	2.5T
上下文窗口	128K~256K	1M 原生
架构	同一基座迭代	全新架构基座
多模态	有限	支持
招牌能力	长上下文 / Agent	K3 Agent Swarm

几个关键点:

1. 2.5 万亿参数,直接翻了两倍多

K3 是全新架构的 MoE 混合专家模型,总参数 2.5T,比上一代 K2 系列的 1T 翻了两倍还多。注意 K2、K2.5、K2.6、K2.7 全都是基于同一个基础模型迭代的,而 K3 据说是从一个全新的基座从头构建。

2. 100 万 token 原生上下文

整个代码仓库、整本书扔进去都不在话下,而且这次加上了多模态能力。这一直是 Kimi 的看家本领——别人还在 32K 的时候,Kimi 已经在做 128K、200K 了。

3. K3 Agent Swarm(智能体蜂群)

这是最有意思的部分。它支持大规模并行搜索和批量处理,让你在一次会话里同时跑多个任务。Kimi 系列本来就以 Agent 能力出名,K2.7 Code 之前就能连续调用 4000 多次工具、跑 12 个小时以上不断线,K3 等于把这条路线直接拉满。

另外一个信号:官方 API 平台曾短暂上线过”K3 发布限时充值活动”页面,随后被撤下。Polymarket 上”K3 本月正式发布”的概率已经打到了 97%。也就是说,现在看到的这些测试,大概率就是正式版发布前的最后预热。

二、首批输出:惊艳,但是慢

规格吹得再响也没用,直接看实测。

Kimi K3 的首批输出流出时,测试者的第一反应是:这看起来像是 Claude Fable 5 的输出,但它真的是 K3。当天推特直接刷屏,大家都在说:我们今天可能要见证一个新的 SOTA 模型了。

不过 K3 也不是没有槽点——最大的问题就是慢。

有人拿它跑了一个前端项目,整整花了 35 分钟 才完成,比 Fable 还要慢。但是,注意这个但是:这位测试者的原话是,这是他见过最好的输出之一,比很多前沿模型的结果都要强。

也就是说,K3 走的是”慢工出细活”的路子。你要是赶时间可能会骂它,但你要是看重最终质量,它真的能给你惊喜。

三、编程对决:跟 Fable 5 正面刚

重头戏来了。

有测试者做了一轮头对头对比,结论非常炸裂:在编码方面,K3 跟 Fable 完全打得有来有回,他试过的所有案例里,K3 有时候输出的质量甚至比 Fable 更好。

Claude 系列在编程领域几乎就是天花板一样的存在,一个开源阵营的模型能打到这个位置,含金量大家自己品。

蒸馏疑云:学生打赢老师?

还有一个更有意思的细节:

有人用同一个提示词分别测了 Fable 5 和 K3,结果发现 K3 用了跟 Fable 完全相同的底层实现机制——而这个机制在提示词里根本没有指定。

所以社区里有个猜测:K3 很可能是从 Fable 蒸馏出来的。

但重点是什么?就算是蒸馏,它的性能也毫不逊色,甚至有时候还反超了老师。

学生打赢老师——这戏码是不是有点眼熟?当年 DeepSeek R1 就是这么杀出来的。

四、3D 与游戏开发

如果说编程是打平,那 3D 和游戏开发这块,K3 是真的捅破天了。

案例 1:Three.js 战争场景,一镜到底

场景细节、光影、镜头运动全都是模型一次性生成的。这个完成度放在一年前你敢想吗?

案例 2:单文件 HTML,一击秒杀 Minecraft 克隆

只用一个 HTML 文件,一次输出,直接做出一个完整的、可以玩的 Minecraft 克隆版。注意,是单文件、一击必杀,没有反复修改。

案例 3:三方对比,K3 更好更快

有测试者专门做了对比,结论是:Kimi K3 可能是第一个真正能在 3D 和游戏开发领域跟 Fable 5 匹敌的模型。而且在这项比较里,K3 不光结果更好,完成得还更快,需要修复的地方更少。

反观 GPT-5.6 Sol,虽然综合能力很强,但 3D 和游戏开发一直不是它的强项。

案例 4:宇宙模拟,各有千秋

Fable 5:完成得更快,交互组件更稳、更易用
K3:复杂得多,视觉冲击力更强。选中一个行星把速度调到 100 倍,它甚至会切换到第一人称视角带着你转起来

两边可以说各有千秋,但差距已经小到肉眼难分。

案例 5:Flappy Bird 对上 Opus 4.8

结果是 Kimi 明显胜出,测试者直接给出了”Opus 5 水平”的评价。

案例 6:樱花盆景测试

扭曲的树干、分层的树冠,细节还原度非常高,完全贴合提示词。测试者的结论:K3 刚刚击败了 Claude Fable。

五、4 分钟对标 5.6 Pro

再补充一个印象很深的案例:有测试者拿了一个复杂任务去跑,K3 只用了 4 分钟就产出了相当于 GPT-5.6 Pro 水平的结果,而且是一次尝试直接通过,评价是”比 Fable 5 更好”。

当然它也不是完美的,比如光照处理还有一些小问题,但整体表现已经非常惊人。

综合这几天所有测试,社区目前的共识大概是:

质量定位:介于 GPT-5.6 和 Fable 5 之间
优势方向:3D、游戏、前端,甚至可以正面碾压
短板:速度偏慢,复杂任务动辄十几二十分钟起步

一句话总结:它不是最快的,但很可能是目前开源阵营里最强的。

六、价格杀器:几分钱的准 SOTA

聊完性能,来聊最扎心的部分——价格。

根据目前的信息,K3 的定价预计只有 Opus 的十分之一左右。

什么概念?就是你花几分钱,就能拿到接近 SOTA 的输出质量。这已经不是单纯的性能竞赛了,而是性价比屠杀。

参考一下 K2.7 Code 的定价策略($0.95/M 输入),对比 Opus 4.8 的 $5 输入 / $25 输出——如果 K3 延续这个思路,它对西方前沿 API 的价格优势会非常夸张。

会开源吗?

这是所有人最关心的问题。

Kimi 这一路走来,K2 系列以 Modified MIT 协议开放权重,一度是 2025 年最强的开源权重模型。但 K3 目前没有任何官方开源承诺——这一点必须说清楚,别提前狂欢。

如果正式发布后延续开源传统,那对整个开源社区、对我们这些搞本地部署的玩家来说,绝对是一个里程碑事件。当然,2.5T 的体量,想在家里的 4090 上跑满血版是别想了,但量化版本、API 白菜价,这些都值得期待。

更大的背景

别忘了大趋势:GLM、DeepSeek、Kimi 这些国产模型,跟闭源前沿模型的差距是一个季度比一个季度小。GLM-5.2 用 753B 开源权重在 Terminal-Bench 上已经追到跟 Opus 4.8 只差 4 分。

一年前我们还在讨论”开源什么时候能追上”,现在的问题已经变成了:闭源的护城河还剩多少?

七、总结

维度	结论
发布状态	已在 App / CLI / 桌面端悄悄上线,正式官宣近在眼前
规格	2.5T 参数、1M 上下文、Agent Swarm,国产第一梯队天花板
编程	追平 Fable 5,部分案例反超
3D / 游戏	首次真正匹敌 Fable 5,碾压 GPT-5.6 Sol
速度	明显偏慢,复杂任务 20~35 分钟
价格	预计约为 Opus 的 1/10
开源	未确认,不要提前狂欢