写个前端页面还得手动改 CSS？丢给 AI 又怕它跑不起来？今天凌晨，月之暗面端出了 Kimi K3，参数规模拉到 2.8 万亿，全球最大开源模型，顺手还拿了前端编程竞技场的第一。48 小时自主设计芯片、一句话生成互动游戏，听着像科幻。但价格也不含糊，输出直逼国际一线水平。到底是不是真材实料，看完这篇你就有数了。
产品概述
7 月 17 日凌晨，月之暗面（Moonshot AI）正式推出 Kimi K3，一个参数规模达到 2.8 万亿的大模型。放在当下的 AI 圈子里，这个数字什么概念？它是全球第一个开源的 3 万亿级别模型，比 DeepSeek V4 Pro 的 1.6 万亿多了将近一倍。而且不是 PPT 发布，即日起就能在 kimi.com、手机 App、桌面客户端、Kimi Code 和 API 上直接用。
K3 的定位很清晰：面向长程编程、知识工作和复杂推理场景的旗舰模型。KDA 混合线性注意力机制（Kimi Delta Attention）加注意力残差（Attention Residuals）是它的技术底子，MoE 架构下 896 个专家每次激活 16 个，原生支持视觉理解，上下文窗口拉到 100 万 token。用大白话说：它能看图、能写代码、能做研究，一次能塞进《三体》三部曲的量。
月之暗面在官方博客里相当坦诚，直接承认 K3 整体表现仍落后于 Claude Fable 5 和 GPT-5.6 Sol。但这种诚实反而让人放心，你知道它的天花板在哪，也知道它在什么场景下更值得选。Arena AI 的 Code Arena 榜单上，K3 拿到 1679 分排第一，压过了 Fable 5 的 1631 分和 GPT-5.6 Sol 的 1618 分，前端编程这一块确实硬。
官网：https://kimi.com | 项目地址：https://github.com/moonshot-ai
核心功能实测
搞清楚它是什么段位之后，来看看具体能干什么活。
K3 第一个让我觉得”有东西”的能力，是长程自主编程。月之暗面展示了一个 48 小时的跑分案例：K3 基于开源 EDA 工具和 Nangate 45nm 工艺库，从零设计了一款芯片，连构建、优化到验证全部自己完成。不是跑个 demo 就完事了，是真的在 48 小时内跑通了完整的芯片设计流程。
第二个炸场的是前端编程。Code Arena 是全球开发者匿名盲测打分的榜单，两道同样任务交给两个匿名模型，用户投完票才知道自己选的是谁。K3 拿了 1679 分排第一，在 7 个细分方向里有 6 个拿下榜首，覆盖品牌营销、数据可视化、消费产品、模拟和内容创建。也就是说，如果你需要写前端页面，K3 是当前所有模型里盲测口碑最好的那个。
第三个是知识工作与研究能力。一次对 391 个引力波事件的分析任务，K3 调用了 20 多个并发子智能体，产出了 7 张科学可视化图和 2 张表格，还综合了 10 篇论文的文献内容。这已经不是”帮你搜一下”的水平了，是能像研究助理一样把文献和代码打通、自主输出结构化成果。
还有一个让人印象深刻的 demo，是 K3 从零写了一个叫 MiniTriton 的 GPU 编译器。在某些 kernel 上，它的性能匹配甚至超过了 Triton，还把一个前向加反向的 kernel 从 283.6 毫秒优化到了 114.4 毫秒。这种工程级别的代码能力，确实不是一般模型能比的。
上手体验
功能确实猛，但用起来顺不顺手才是关键。
K3 的入口很多：网页版 kimi.com、手机 App（iOS/Android/鸿蒙）、桌面客户端 Kimi Work（Windows/Mac）、终端里的 Kimi Code、还有 API。我个人最想试的是 Kimi Code，因为编程场景是 K3 的主场。进去之后用 /model 命令选 kimi-k3 就行，不需要额外配置。
目前默认只有 max 思考强度，后续会加 low 和 high 两档。max 模式下，简单问题它也会深度推理一番，有时候显得有点过度思考，但复杂任务上确实能感受到它在认真琢磨。实测里给它丢了一个大会报名网站的需求文档，里面故意埋了 7 组矛盾（报名截止日晚于大会日期、要求不收集信息但必须填真实姓名等等），K3 在开工前把矛盾全部揪了出来，合并成 7 个问题反向提问。
不过有个体感很明显：它真的慢。对话类任务还好，但一旦进入长程编程模式，几个小时起步是常态。APPSO 的实测团队让它从零造一个巧克力工厂的 3D 花园世界，整个流程跑了相当长的时间。如果你习惯了 DeepSeek 那种秒回的节奏，K3 会让你等得有点焦虑。
使用技巧
基本操作不难，但用得溜的人都在关注这几个细节。
很多人不知道，K3 最大的省钱秘诀藏在缓存里。它的 API 缓存命中价格是 $0.30/百万 token，而缓存未命中的输入是 $3.00/百万 token，差了整整 10 倍。月之暗面官方称他们在编程场景下的缓存命中率超过 90%。这意味着如果你在同一个 session 里持续工作、不频繁切模型，实际输入成本能压到官方标价的零头。
KDA 架构对传统的 prefix caching 有新的挑战，所以 Kimi 团队把对应的实现贡献给了 vLLM 社区。如果你计划本地部署（7 月 27 日权重发布后），建议盯一下 vLLM 的更新，部署效率会有明显差异。官方推荐在 64 卡以上的超节点配置上跑推理，因为大通信域对 K3 的推理效率帮助很大。
还有一个小细节：K3 使用了量化感知训练，从 SFT 阶段就用 MXFP4 权重加 MXFP8 激活。这意味着即使是本地部署，显存压力也比同等参数规模的传统模型小一些。
订阅用户注意（截至 2026 年 7 月），K3 的使用是跟计划绑定的。免费版用不了 K3，最低要 Moderato 档（$19/月），而且 Moderato 的上下文被限制在 256K，想用满 100 万 token 得上 Allegretto（$39/月）。
和竞品掰手腕
技巧说了一堆，拉到赛道上跟对手比比才知道到底几斤几两。
当前前沿大模型的赛道已经非常拥挤，Claude Fable 5、GPT-5.6 Sol、DeepSeek V4 Pro、Gemini 3.1 Pro 都是绕不开的对比对象。来直接看参数：
| 维度 | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | DeepSeek V4 Pro | Gemini 3.1 Pro |
|---|---|---|---|---|---|
| 参数量 | 2.8T（开源） | 未公开（闭源） | 未公开（闭源） | 1.6T（开源） | 未公开（闭源） |
| 上下文 | 100万 token | 100万 token | 105万 token | 100万 token | 100万 token |
| 输入价格（$/MTok） | 3.00（缓存0.30） | 10.00 | 5.00 | 0.435 | 2.00（<200K） |
| 输出价格（$/MTok） | 15.00 | 50.00 | 30.00 | 0.87 | 12.00（<200K） |
| 视觉理解 | 原生支持 | 原生支持 | 原生支持 | 无原生视觉 | 原生支持 |
| 开源协议 | 待公布（7月27日） | 闭源 | 闭源 | 开源 | 闭源 |
| 前端编程排名 | Code Arena #1 | Code Arena #2 | Code Arena #3 | 未上榜 | 未上榜 |
价格数据均取自各平台官网，截至 2026 年 7 月。
这张表能看出几个有意思的点。K3 的定价放在国际一线里不算便宜，但比起 Claude Fable 5 和 GPT-5.6 Sol 有明显的价格优势。输入价格大约是 Fable 5 的 30%，输出价格是 30%。跟 DeepSeek V4 Pro 比那就贵多了，输出价格是它的 17 倍。但 DeepSeek 没有原生视觉理解，在前端编程场景里也确实不在同一梯队。
K3 真正的差异化武器是”开源 + 前端编程第一 + 长程 Agent”。市面上既有开源又有这个级别能力的模型，仅此一家。Claude Fable 5 综合更强但贵且闭源，GPT-5.6 Sol 刚出但最近因删库事件口碑受损，DeepSeek V4 Pro 价格香但视觉和多模态是短板。
用户反馈
广告可以造假，真正用过的人的评价骗不了人。
社交媒体上的声音整体偏正面但也不缺吐槽。正面的集中在两点：前端编程确实强，“一句话生成游戏”的能力让人惊艳。有开发者在 Hacker News 上说，玩了几小时 K3，感觉在做盲测时根本分不清它和 Fable 5 的区别。APPSO 实测后甚至调侃建议 K3 改名叫 Kable（改自 capable），因为它”能力太强了”。
另一波赞的是开源这件事本身。2.8 万亿参数即将完整开源，这对于学术研究和企业自部署来说是个巨大的礼物。社区已经开始讨论等 7 月 27 日权重放出后，怎么在自己的硬件上把 K3 跑起来。
吐糟最多的是价格。K3 没有走 DeepSeek 那种”量大管饱”路线，API 输出 $15/MTok 对于个人开发者来说不算便宜。有人算了一笔账：用 K3 跑一个小时的复杂编程任务，token 费用可能超过一顿像样的晚饭。
另一个高频槽点是风格模板化。有评测者指出，K3 生成的 UI 风格看多了会有套路感，配色和布局有固定的审美偏好，缺少变化。而且长程任务确实很慢，几个小时起步让急性子很难受。还有人提到，K3 有时候会”炫技”，为了展示效果牺牲效率，把简单任务做得过于花哨。
多维评分
口碑褒贬不一，拆开六个维度打个分就清楚了。
| 维度 | 评分 | 一句话解读 |
|---|---|---|
| 功能完整性 | ⭐⭐⭐⭐☆ | 编程/视觉/研究全覆盖，缺少多模态生成 |
| 易用性 | ⭐⭐⭐⭐☆ | 多端入口清晰，但长程任务等待时间偏长 |
| 性价比 | ⭐⭐⭐☆☆ | 开源免费部署，但 API 价格对标国际一线 |
| 创新性 | ⭐⭐⭐⭐⭐ | KDA 架构 + 2.8T 开源，技术路线独树一帜 |
| 稳定性 | ⭐⭐⭐⭐☆ | 发布即多端可用，缓存架构成熟，无明显崩溃 |
| 推荐度 | ⭐⭐⭐⭐☆ | 前端开发/长程编程场景强烈推荐，预算敏感慎入 |
综合评分：8.0 / 10
K3 在创新性上拿了满分，这是实至名归的。全球首个开源的 3 万亿级别模型，加上自研的 KDA 注意力机制，技术底子没人能质疑。扣分主要在性价比，如果你不需要开源部署能力，单看 API 价格它确实不够亲民。
优缺点
好的坏的摊开说，看完再决定掏不掏钱。
值得买（优点）：
-
前端编程能力全球第一，Code Arena 1679 分碾压对手 -
2.8 万亿参数，全球最大开源模型，社区生态想象空间大 -
100 万 token 上下文 + 原生视觉理解，长文档和图片场景通吃 -
长程 Agent 能力出色，48 小时自主芯片设计是实打实的硬功夫 -
多端覆盖（网页/App/桌面/终端/API），Kimi Code 编程体验流畅 -
缓存命中率超过 90%，重度用户的真实成本远低于标价
值得观望（缺点）：
-
综合能力仍落后 Claude Fable 5 和 GPT-5.6 Sol，不是全能冠军 -
API 价格偏高，输出 $15/MTok 在国内市场缺少价格竞争力 -
长程任务耗时长（小时级），不适合需要即时反馈的场景 -
生成风格有模板化倾向，UI 审美缺少多样性 -
权重 7 月 27 日才发布，现在只能通过官方渠道使用 -
免费版不支持 K3，最低订阅 $19/月才有尝鲜资格
适用人群
说了这么多好坏，来对号入座看看你属不属于目标用户。
K3 不是那种”人人都该用”的产品。它的长板非常长，短板也相当明显。如果你属于下面这几类，K3 大概率会让你上头。
强烈推荐：
-
前端开发者和 UI 工程师：Code Arena 第一不是吹的，生成网页、视觉还原、交互实现全都覆盖。 -
需要长程编程的工程师：代码库级别的重构、多文件项目、从零搭建复杂系统，K3 能扛住。 -
AI 研究者和开源社区贡献者：2.8T 开源模型的权重，研究价值和二次开发空间巨大。 -
对模型能力有硬需求的 to B 团队：通过 Kimi Enterprise 部署，数据隔离，适合企业场景。
建议观望：
-
预算有限的个人用户：API 价格和订阅门槛偏高，免费版还不支持。 -
只需要简单问答的用户：K3 的推理深度在简单任务上是浪费，K2.5 更合适。 -
对响应速度有刚需的用户：长程任务耗时以小时计，急性子慎重。
定价方案
动心之前，先看看钱包答不答应。
K3 的定价体系分两条线：API 按量计费，订阅包月套餐。以下价格均截至 2026 年 7 月官网显示。
API 定价（每百万 token）：
| 计费项 | 国际站（$） | 国内站（¥） |
|---|---|---|
| 输入（缓存命中） | 0.30 | 2 |
| 输入（缓存未命中） | 3.00 | 20 |
| 输出 | 15.00 | 100 |
订阅套餐（月付/年付）：
| 套餐 | 月付 | 年付（等效月价） | K3 支持 |
|---|---|---|---|
| Free | $0 | $0 | 不支持 |
| Moderato | $19 | $15 | 256K 上下文 |
| Allegretto | $39 | $31 | 100 万上下文 |
| Allegro | $99 | $79 | 100 万上下文 |
| Vivace | $199 | $159 | 100 万上下文 |
Moderato 是使用 K3 的最低门槛，但上下文被限制在 256K。想用满 100 万 token 得上 Allegretto（$39/月）。Allegro 和 Vivace 的区别主要在 Agent 额度、Swarm 并发数和 Kimi Code 额度上。
有一点值得注意：Kimi 官网目前挂着一条横幅，说订阅计划即将调整，Kimi 和 Kimi Code 的权益会拆分成独立产品。如果你主要冲着 Kimi Code 去的，后续可能需要单独购买。
常见问题
关于 K3，十个里有八个会问这几个问题，一次说清楚。
Q1：Kimi K3 是开源的吗？
A1：是的，7 月 27 日前发布完整权重。 K3 是全球首个开源的 3 万亿级别模型，2.8 万亿参数全部开放。目前已可在线使用，权重将在 7 月 27 日前发布到 HuggingFace 等平台。
Q2：K3 和 Claude Fable 5、GPT-5.6 Sol 比到底谁强？
A2：综合能力落后，但前端编程更强。 月之暗面官方承认 K3 整体仍落后于 Fable 5 和 Sol，但在 Code Arena 前端编程榜单上 K3 排第一，压过了这两家。
Q3：K3 的 API 价格贵吗？
A3：对标国际一线不算贵，跟国内比偏贵。 输出 $15/MTok 是 Fable 5 的 30%、GPT-5.6 Sol 的 50%，在编程场景 90%+ 缓存命中率下实际输入成本更低。但跟 DeepSeek V4 Pro 比贵了一个数量级。
Q4：免费用户能用 K3 吗？
A4：不能（截至 2026 年 7 月）。 免费版不支持 K3 模型。最低需要 Moderato 套餐（$19/月），且仅限 256K 上下文。使用完整 100 万上下文需要 Allegretto（$39/月）。
Q5：K3 适合做什么？不适合做什么？
A5：适合长程编程和前端开发，不适合简单问答。 K3 的强项是前端页面生成、复杂代码项目、深度研究分析。如果你只是日常聊天或简单问答，用 K2.5 更划算更快。
Q6：K3 支持中文吗？
A6：支持。 月之暗面是国内公司，K3 对中文的支持是原生级别的。国内站定价以人民币计价，API 平台也提供中文文档。
Q7：K3 能本地部署吗？
A7：7 月 27 日后可以。 权重发布后即可本地部署。官方推荐在 64 卡以上的超节点配置上跑，采用 MXFP4 量化可以降低显存需求。vLLM 社区的 KDA 适配实现也会同步放出。
Q8：K3 的思考模式有什么区别？
A8：目前只有 max 模式，后续增加 low 和 high。 max 模式下模型推理最深入但速度最慢。后续 low 模式适合简单任务，high 模式适合需要深度思考的中等复杂度任务。
Q9：Kimi Code 会一直跟订阅捆绑吗？
A9：不会，即将拆分为独立产品。 官网已公告订阅计划将调整，Kimi 和 Kimi Code 的权益会分开。目前用 Kimi Code 建议关注后续独立定价。
Q10：K3 和 DeepSeek V4 怎么选？
A10：看需求。 要便宜选 DeepSeek V4 Flash（$0.28/MTok 输出），要前端编程和视觉理解选 K3，要最强综合能力选 Fable 5 或 Sol。三者定位不同，没有绝对的好坏。
总结
K3 不是来当”国产之光”的，它不需要这个标签。月之暗面给它的定位很清醒：前端编程拿第一，长程 Agent 对标国际一线，然后开源让社区接手。这是一种相当务实的策略。
这东西最强的场景是前端开发和长程编程，如果你在这两个方向有刚需，$19 的 Moderato 入门费值得掏。但如果你是普通用户，K2.5 可能更好用也更省钱。K3 适合的是那些”明确知道自己要干什么狠活”的人。
在 Claude Fable 5 和 GPT-5.6 Sol 打得不可开交的当口，K3 用”开源 + 前端编程第一”杀出了一条差异化路线。2.8 万亿参数的开源权重，是给整个 AI 社区的一份厚礼。剩下的，就看 7 月 27 日权重放出后，社区能玩出什么花来了。