2.8万亿参数喊得响，Kimi K3价格也比竞品贵出N倍

研究员｜卢杨

7月17日凌晨，月之暗面发布新一代大模型Kimi K3。

Kimi K3是一款2.8T参数模型，基于Kimi Delta Attention和Attention Residuals构建，具备原生视觉功能和100万个token的上下文窗口。

官方称，它是全球首个开放式3T级模型，专为跨长期编码、知识工作和推理的前沿智能而设计，将于7月27日开源。

在通用智能体（General Agents）评测中，Fable 5 在 GDPval、AA-Briefcase 和 JobBench 上领先，Kimi K3 则在Automation Bench、SpreadsheetBench 2 和 BrowseComp 上表现更优，整体来看 Fable 5 的综合能力更占上风。

在编程基准（Coding）中，Kimi K3在Program Bench和SWE Marathon上位列第一，GPT-5.6 Sol在DeepSWE和Terminal Bench 2.1上领先，而Fable 5在FrontierSWE 和内部测试中占优，三者互有胜负。

7月17日的Frontend Code Arena榜单显示，Kimi K3以1679分超越Claude Fable 5（1631分）排名第一，表明在该前端代码专项评测中Kimi K3表现领先。

虽然其整体性能在很多方面仍然落后于最强大的专有模型 Claude Fable 5和GPT 5.6 Sol，但不得不说，在特定测试中，Kimi K3正以一个开源模型的身份，进入与全球头部闭源模型同台竞争的赛道。

目前，Kimi K3现已在Kimi.com、Kimi Work、Kimi Code和Kimi API上线，手机端模型也已更新。

01

2.8万亿参数，刷新开源模型规模纪录

Kimi K3是全球首个达到2.8万亿参数规模的开放模型。过去一年，开源模型领域一直围绕参数规模持续竞争。从DeepSeek、Qwen到GLM等国产模型，不同厂商不断提升模型规模，同时通过MoE架构降低实际推理成本。

Kimi K3同样采用了混合专家模型（MoE）路线。Kimi K3基于Kimi Delta Attention（KDA）和Attention Residuals（AttnRes）架构构建。

Kimi K3不是简单堆出了2.8万亿个参数，而是通过稀疏专家架构，让一个拥有2.8万亿参数容量的模型，在实际运行中只调用部分参数，从而兼顾能力和效率。Kimi K3相比Kimi K2整体扩展效率提升约2.5倍。

在GPU Kernel优化测试中，官方表示Kimi K3能够自主分析并优化相关代码；在研究任务中，模型能够阅读论文、生成代码，并完成复杂计算流程。

此外，Kimi K3还展示了结合视觉能力的软件开发能力。

例如，在游戏开发场景中，模型能够结合代码、截图和运行结果进行迭代优化。这意味着模型不再只是理解文字，而是开始理解软件运行过程中的视觉反馈。

02

表现优异的K3，价格昂贵的K3

说完了性能，还是要看看价格。

Kimi K3的缓存未命中输入、缓存命中输入和输出价格分别为20元、2元和100元每百万tokens，分别是DeepSeek-V4-Pro对应价格（3元、0.025元、6元）的6.7倍、80倍和近17倍。

尽管两者上下文窗口均约1M且DeepSeek输出长度达384K，但DeepSeek在各类计费场景下均展现出明显的成本优势，尤其适合大规模调用场景，而Kimi K3的定价则相对缺乏竞争力。

Kimi K3的发布，表面看是一场参数规模竞争。2.8万亿参数让它成为目前最大的开放模型，但站上2.8万亿参数规模，并不意味着Kimi K3已经赢得竞争。对于开源模型而言，最大的考验正在从“模型能力”转向“落地能力”。一方面，超大规模模型带来了更高的算力和部署成本；另一方面，在Agent时代，模型能否长时间稳定执行复杂任务，远比单次测试成绩更重要。

对于现在的Kimi K3来说，它需要证明的不只是“它能接近GPT、Claude的水平”，还要证明一个开放模型能否真正成为开发者和企业愿意长期使用的AI基础设施。这个问题的答案可能不再只是参数，而是模型能否理解长期目标、调用工具、持续执行，并最终完成真实世界任务。

编辑｜张猛 邱慧