Kimi K3 深度评测

Kimi K3 是什么？2.8 万亿参数与发布背景

2026 年 7 月 16 日，月之暗面低调上线 Kimi K3：一份技术博客、一个定价页、一个可立刻调用的模型 ID kimi-k3。低调姿态与 2.8T 参数量形成鲜明对比——它超越此前纪录保持者 DeepSeek V4 Pro（1.6T） 近 75%，是小米开源模型（1.02T）的 2.7 倍，是阿里（397B）的 7 倍有余。

一句话总结：Kimi K3 是开源的、原生理解图像视频的、拥有超长记忆的重量级编程 AI，价格比 Claude Opus 4.8 便宜约 40%，完整权重 7 月 27 日对外开源。

发布背景同样值得关注：过去 18 个月 DeepSeek 崛起冲击月之暗面份额，但 K3 是一次漂亮反击——过去 12 个月 Kimi 系列有 9 个月占据开源模型规模上限；发布时点恰在 2026 世界人工智能大会（WAIC） 开幕前夜；截至 2026 年 6 月 ARR 已突破 3 亿美元，今年完成第 6 轮融资，投前估值 315 亿美元；API 收入占七成以上，海外付费用户增长 400%。

选型前，开发者常面临五重痛点：

1. 01

   上下文不够用：200K 窗口在大型 Repo 分析中频繁截断，长代码任务需反复拼接上下文。

2. 02

   闭源 API 成本失控：Claude Opus 4.8 输出 $25/M，高频 Agent 月账单轻松破万。

3. 03

   开源模型能力差距：此前最大开源 DeepSeek V4 Pro 在 SWE Marathon 等长任务上仍落后闭源旗舰。

4. 04

   自报 Benchmark 可信度：各家用不同 harness（Kimi Code / Codex / Claude Code），需交叉解读。

5. 05

   自部署门槛：2.8T 模型需 64+ 加速卡超节点，7/27 前只能走 API 或 kimi.com。

基准测试全解析：SWE Marathon、OmniDocBench 与 Intelligence Index

以下为月之暗面自报核心基准（K3 用 Kimi Code，GPT 用 Codex，Claude 用 Claude Code）。独立第三方复现仍在进行中，宜作方向性参考。

• SWE Marathon（42.0 第一）：专门测试持续性长代码工作，最接近「实际写代码数小时」场景
• Program Bench（77.8 第一）：以微小优势领先 Fable 5（76.8）
• FrontierSWE：Fable 5 领跑 86.6，K3 大幅超越 GPT-5.6 Sol（71.3）
• OmniDocBench（91.1 第一）：体现视觉 + 长上下文协同优势
• Artificial Analysis Intelligence Index v4.1：K3 以 57.1 分排名第四，紧随 Fable 5（59.9）与 GPT-5.6 Sol（58.9），与第一差距仅 2.8 分

六步接入 Runbook、开源承诺与关键数据

K3 已上线 kimi.com、Kimi App、Kimi Code 与 Moonshot API。以下为开发者从零接入的六步 Runbook：

1. 01

   网页/App 体验：访问 kimi.com，注册账号（支持 Google），K3 默认 max 推理力度，无需信用卡。

2. 02

   获取 API Key：在 platform.kimi.ai 创建项目并复制 Key，确认账户余额与速率限制。

3. 03

   配置 OpenAI 兼容 SDK：设置 base_url=https://api.moonshot.ai/v1，模型 ID 为 kimi-k3（见下方代码）。

4. 04

   OpenRouter 接入（可选）：模型 ID moonshotai/kimi-k3，官方 $3/$15 定价，无加价，完整 1M 上下文。

5. 05

   优化缓存命中率：编程工作流保持 system prompt 稳定，利用 Mooncake 分推理架构；命中后输入仅 $0.30/M，月之暗面报告编程场景超 90% 命中率。

6. 06

   标记 7/27 开源节点：完整权重将在 Hugging Face 开放，预计 vLLM、SGLang、transformers 首日支持；生产部署需 64+ 加速卡超节点。

from openai import OpenAI

client = OpenAI(
    api_key="your_moonshot_api_key",
    base_url="https://api.moonshot.ai/v1"
)

response = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "帮我分析这段代码..."}]
)

7 月 27 日开源承诺

月之暗面在官方 WeChat 公告中明确：7 月 27 日开放完整模型权重。届时 K3 将成为迄今参数最大的可下载开源模型、首个超 2 万亿参数级别的开源权重，以及开源社区训练/微调新基座。模型以 MXFP4 权重与 MXFP8 激活训练，量化友好，Hugging Face 上将出现 MXFP4/NVFP4 量化版本。

可引用硬核数据

• 参数量：2.8T，较 DeepSeek V4 Pro（1.6T）提升近 75%
• KDA 效率：KV 缓存 -75%，百万 token 解码 +6.3×
• MoE 稀疏度：896 专家激活 16 个（1.8%）
• 有效 API 成本：编程场景缓存命中 90%+，加权输入约 $0.55/M（OpenRouter 7 日加权证实）
• 时间节点：7 月 17–20 日 WAIC → 7 月 27 日完整权重开源

纯 API 调用虽能接入 K3 推理，但 iOS 签名链、Xcode 本地构建、Metal 推理与 7×24 CI 长跑仍依赖实体 macOS 节点——虚拟机有性能损耗与 EULA 风险，笔记本也难以稳定常驻 Agent。对于更稳定、更适合 iOS CI/CD 与 AI Agent 自动化的生产环境，VpsMesh 的 Mac Mini 云端租赁通常是更优解：实体 Apple Silicon、root 权限与可预测月租，可与 Kimi K3 API 形成「云端推理 + 本地构建」互补架构。

参考资料：Moonshot AI 官方博客 · Kimi API Platform 文档 · MarkTechPost · VentureBeat · SCMP · Artificial Analysis · OpenRouter 定价页。基准为月之暗面自报，截止 2026-07-16。