作者｜周一笑
微信｜smiletalker
7 月 16 日晚，月之暗面上线 Kimi K3，2.8 万亿参数，MoE 架构，原生支持视觉理解和 100 万 token 上下文。K3的MoE共有896个专家，每个token激活其中16个，并引入KDA、Attention Residuals和Stable LatentMoE。官方称，这些改动让其相较K2的整体扩展效率提高约2.5倍。
它号称“迄今能力最强的旗舰模型”，完整权重发布后（计划 7 月 27 日前），K3 有望成为参数量最大的公开权重模型。Benchmark方面，K3官方称其整体表现仍落后于Claude Fable 5和GPT-5.6 Sol，但在整套评测中达到了前沿水平，并稳定超过其他受测模型。
正式上线之前，demo 已经刷了两天屏。Arena 上代号“Kivine”的匿名模型被社区认定来自 Moonshot，一句提示词生成的 Minecraft 克隆和《杀戮尖塔》可以直接打开游玩，Flappy Bird 对比视频宣称 K3“明显优于”Opus 4.8。
此外官方还展示了一个芯片设计的案例。K3 连续自主运行 48 小时，基于开源 EDA 工具和 Nangate 45nm 工艺库，为一个基于自身架构的 nano 模型完成芯片设计、优化与验证，最终实现时序收敛和超过每秒 8700 token 的仿真解码吞吐。
从K3自己提前布置放出的案例来看，清楚地说明了 K3 想占据的位置，一个能持续调用工具、根据运行结果迭代、把复杂任务推进到最终交付的长程 Agent。但官方案例展示的是能力上限。更现实的问题是，当 K3 进入普通用户可以直接使用的产品，一次实际运行能得到什么？
硅星人选了几个结果相对容易快速验证的任务，分别测试从零生成、需求理解和代码调试等能力。
1
从零生成：一场自动运行的死星战壕
先上比较重的 case。
最重的 Build 测试要求 K3 用 Three.js 重现“死星战壕突袭”：程序化生成无限循环的战壕，X-Wing 自动飞行，炮塔追踪射击，同时实现碰撞检测、粒子效果、路径规划和障碍规避。
生成过程中，它修复了跨模块引用错误，并将主循环改造成可步进验证的结构。第一次60秒模拟中损失8架飞船，K3随后根据死因调整射速、弹速和命中判定；第二次120秒模拟降到损失2架。
这也对应了官方所说的“vision in the loop”：K3 会把实时截图重新纳入执行循环，在代码和视觉结果之间持续迭代。死星测试里，它也经历了查看画面、调整亮度和炮塔识别度、重新验证的过程。
实际运行中，X-Wing 会自动改变位置躲避障碍和激光，炮塔持续追踪射击，战壕分段循环回收。我们观察期间，HUD累计记录18.1公里航程、89次闪避和2次损失，控制台没有报错。
它仍然是一个从零生成的 Three.js Demo。但相比“一次生成一个好看的页面”，更有价值的是K3完成了生成、运行、观察结果、调整参数和重新验证的完整闭环。
另外一个 case K3 跑了接近一个小时。prompt 要求 K3 从零搭建一个叫《轨道危机：Orbital Command》的浏览器策略游戏。玩家维持一个多卫星轨道通信网络，太空碎片不断出现，需要在有限燃料下调整轨道、规避碰撞、保持覆盖。10 条硬性要求，包括完整游戏循环、真实运动、资源消耗、四项实时状态、有意义的取舍、暂停/倍速/新手引导，以及“完成后自行测试并修复问题”。
10 条要求中，主要功能均已实现并验证，可以看出，Kimi 让社区关注的“一句话生成游戏”的能力，确实够强。
但每个使用过足够多模型去做类似任务的人也都会在这个过程中感觉到一些问题，一个是目前这些任务依然是几个小时起，这还是太慢了，而且观察它的思维链会发现很熟悉的味道。
此外，这些UI的风格在做了很多case的测试后，会让人感觉有点模版化，就像DeepSeek R1写的那些诗歌一样，乍一看会让人目眩，但看多了会感到熟悉的套路，从配色到所谓的“审美”，以至于会让人用多了感到这个AI在给你炫技——哪怕牺牲掉更多时间，也要炫技。而这在K3把价格调高到了“顶尖模型”水平的背景下，就显得更加扎眼了。
1
需求判断：一个故意埋坑的任务
所以除了一句话生成UI，我们也更关注它的推理和需求判断以及真实代码修改能力。
第三个测试在需求里故意埋了多组矛盾。
prompt 是一个大会报名网站的需求文档，共 18 条要求。矛盾散落各处，报名截止日晚于大会日期，要求不收集个人信息但报名表必须填真实姓名和手机号，数据只能存浏览器本地但主办方要跨电脑实时查看，宣传“仅限 200 席”但系统允许 300 人报名，付款后立即显示“已确认”但必须人工审核，随时退全款但门票不可退，要求 mobile-first 但只支持 1440px 以上桌面，红绿色区分状态但要满足 WCAG AA。
K3 在开工前把这些矛盾合并成了 7 个问题提出。拍板“宣传 200、上限 300”后，它没再质疑，但也没藏矛盾，管理面板上两个数字分开标注。
这个 case 测的是 K3 面对模糊和矛盾需求时有没有判断力。答案是有。它会发现矛盾、也会服从拍板。
1
代码调试：修复一个权限 Bug
第四个测试考的是 K3 能不能修别人写的代码。
该项目、Bug 设定、评分表和 5 项隐藏测试，由硅星人借助 OpenAI Codex 在测试前搭建。K3 获得了待修代码、公开测试和 Bug 报告；报告提示问题与请求顺序及跨请求状态有关，并要求保留缓存设计。隐藏测试在 K3 完成修改后独立运行。
K3 单次运行定位到根因，系统缓存了权限裁剪后的结果，缓存键没有区分访问者的可见范围。它的解法是增加 admin、finance、public 三档权限 scope 并补上正反顺序的回归测试，没有选择关闭缓存或按用户拆分这两种更粗暴的写法。
3 分 03 秒。公开测试 14/14，隐藏测试 5/5，全部通过。
K3 找到了 Bug 并给出合理的修复。不过需要说明的是这是一个线索相对明确的小型代码库。
1
普通人可能也快用不起最强开源模型了
从测试结果看，K3 在从零生成、需求理解和小型代码调试三项小规模任务中表现很强。社区 48 小时的 Demo 刷屏不全是 hype，K3 确实很会 Build。但它还没有回答的问题也很具体。复杂工程维护、大型代码库理解、多人协作场景下的表现，目前没有可靠的测试数据。推理速度是一个现实约束，游戏 case 在 max 思考强度下跑了接近一个小时。官方也坦承 K3 在任务执行中“过于主动”，会在用户意图模糊时替用户做决定。
社区里有人把 K3 称为“又一个 DeepSeek R1 时刻”。但 R1 发布时以远低于同级模型的定价迅速打开市场，K3 走的是相反的方向。
K3 的 API 定价，输入 2 元/百万 token（缓存命中）、20 元（未命中），输出 100 元。以输出价格计，约为 K2.7 Code 的 4 倍。Kimi 过去一年的市场位置一直是“性能接近 frontier，价格远低于 frontier”，K3 不再只依靠低价参与竞争。100 元/百万 token 的输出价格已经进入 frontier 模型的定价区间。官方用 Mooncake 分离式推理架构把编程场景缓存率做到了 90% 以上，输入成本约为标价的四分之一，但输出没有类似的对冲手段。
另一个变化是 1M 上下文的分层。K3 的百万 token 上下文不是全量开放的，Moderato 用户只能用 256K，Allegretto 及以上才能用 1M。把上下文长度做成会员权益，在行业里还比较少见。
开源权重计划 7 月 27 日前发布，但 K3 推荐在 64 个或更多加速器的 supernode 上部署。权重开放之后真正能跑起来的机构不会很多。
也就是说，接下来“普通人”可能也快用不起最强开源模型了，因此对“开源模型”的考察标准，也会更加接近从产业和真正的生产力价值来评判，这个可能会是一个更强，更贵也更爱炫技的K3给整个中国模型行业带来的更关键的影响。
久联优配提示：文章来自网络，不代表本站观点。
