开源界“王炸”，Kimi K3 参数登顶、性能封王

就在今天，月之暗面正式发布了 Kimi K3，支持最高 1M 上下文窗口，尤其擅长编程、游戏 / 3D 与知识类任务。

不过就在发布前，老狐在 X 时间线和小红书推荐流就已经被一个叫 Kivine 的神秘模型刷屏了。

没想到，真是 Kimi K3！

事情是这样的，7 月 15 号，有眼尖的网友在 Arena.ai 大模型竞技场上发现了一个新面孔，代号 Kivine，模型简介里明晃晃写着“来自 moonshot 实验室”。

moonshot 实验室是谁的？月之暗面的。

月之暗面是谁？就是做 Kimi 的那家公司。

就在 Kivine 出现的同一天，Kimi 官方在 B 站、X 和小红书上同步发了一条 36 秒的预热视频，第 4 秒一闪而过一个“3”。发帖时间也很刻意：美国东部时间凌晨 3:33，三个 3。

再往前倒一天，7 月 14 日，Kimi API 平台还“不小心”挂了个 K3 模型充值折扣活动页面，几分钟后被撤下，官方说是实习生搞错了。

匿名模型 Kivine 来自 moonshot 实验室、预热视频暗藏“3”彩蛋、充值页面“误操作”泄露 K3，三条线全指向同一个方向：Kimi K3，已经在 Arena 上悄悄开测了。

Polymarket 预测市场上，K3 在 7 月发布的概率已经被押到了 97%。社区的共识很明确：Kivine 就是 K3 的“影子分身”，月之暗面先拿它在竞技场上探探路，等口碑发酵够了再正式发布。

这套组合拳下来，B 站 实测挑战# 话题播放量直接破了 2800 万。

营销玩得确实溜。但老狐更好奇的是另一件事：这个 K3，实测到底行不行？

到底行不行？

先说结论：它不是“全面碾压”任何一款海外旗舰模型，但在编程、数学推理和中文理解这三个核心场景里，K3 展现出来的水平确实让人有点坐不住。

先看硬指标。Kivine 在 Arena.ai 上的综合评分直逼 99.1，在 MATH-2026（数学推理）、FactChain v3（多跳事实核查）和 CLAW-Bench（中文法律溯因）三项评测中，均以微弱优势反超了 Claude Fable5。

说白了就是：以前是“国产模型能追上就不错了”，现在 K3 在几个硬核场景里是“超过你一点点”。这跟以前那种“跑分接近、实测差一截”的国产模型，不是一个剧本。

海外 AI 圈的几个硬核测试者已经给出了相当高的评价。

X 上一位叫 @synthwavedd 的博主连续测了两天后发了条帖子，原话是：“越测越觉得这是另一个 DeepSeek R1 时刻。经常达到 Fable 级别，可能稍差一点，但持续优于 GPT-5.6。这是一头野兽。”

具体到编程场景，挑几个最有代表性的说。AI 研究者 Jun Song 把 K3 和 Claude Opus 4.8 放在一起跑 Flappy Bird 编程挑战，就是那只经典的小鸟穿水管游戏。结果 K3 “显著优于 Opus 4.8”，Jun Song 的评价是“Opus 5级别”。

另一个博主测试了马里奥赛车风格的小游戏，重点考察碰撞效果和物理逻辑理解。评价是：很接近 Fable 5。

数学推理方面更让人印象深刻。一道 2026 年 IMO 预选题（含拓扑约束的组合优化），K3 只用了 19 秒就输出完整证明加可视化推演路径图，而 Claude Fable5 花了 42 秒才给出近似解。解题速度翻了一倍多，答案还更完整。

视觉生成和 3D 建模也有亮点。有网友对比了 K3 和 GPT-5.6 Sol 生成的动画视频：GPT 在光照效果上更出色，但 K3 的动画流畅度明显更高，各有千秋。在“盆景生成”测试里，K3 展现出了极好的细节控制力：扭曲的树干纹理、层次分明的枝叶排布，完全符合设计要求。

但真正让老狐觉得“这玩意有点可怕”的，是它的中文理解能力。

有人把一段 17 分钟的基层调解录音丢进去，里面掺杂方言、错别字和法律术语。K3 不仅精准提取了争议焦点、责任主体和赔偿依据链，还自动生成了三套不同语气的调解话术方案：对老人温和型、对青年理性型、对商户务实型。

同一个任务丢给 Fable5，追问到第三轮才勉强识别出“违约金”关键词，而且判错了管辖法院层级。

这差距不是“略好一点”，是“中文场景下的代际差”。

如果你是个国内开发者、律师、研究员这类天天跟中文长文本打交道的人，K3 在这个维度上的实用价值，Fable5 确实追不上。

但话说回来，K3 不是没有槽点，而且这个槽点还很大。

速度。

综合多位测试者的反馈，K3 目前的生成速度比 GPT-5.6 还慢，复杂任务最长能跑到35分钟。注意，不是 35 秒，是 35 分钟。

这也不是 K3 独有的问题，K2 系列从上线起就被用户吐槽“反应迟钝”“高峰期排队等到崩溃”。

月之暗面走的是超大参数路线，参数大了能力上去了，推理成本也跟着飙。

这就像一个力气特别大但动作慢半拍的拳击手，打中了确实能 KO，问题是你得等他出拳。

说白了，能力再强，如果每次用都像在等快递，用户体验肯定上不去。

涨价涨出300%增长，Kimi凭什么？

说完实测，说点同样有意思的：Kimi 的商业底子。

Kimi 上个月把 K2.7 Code 的 API 输入价从每百万 token 4 块涨到了 6 块 5，涨了 60%。

按常理，涨价了用户该跑了吧？

结果呢，同期 ARR 不仅没跌，反而翻了 3 倍：月之暗面的年度经常性收入从 3 月的 1 亿美元，飙到 5 月的 2 亿，再到 6 月中旬突破 3 亿美元。

三个月翻三倍。

涨了价用户反而用得更猛，这在整个中国互联网行业都算稀有物种了。

老狐帮你们拆一下这个逻辑。

不是 Kimi 胆子大，是它的客户结构跟你想的不一样。

Kimi 现在的收入里，70% 以上来自 API，也就是企业和开发者按调用量付费，不是 C 端个人订阅。企业客户对价格的敏感度远低于个人用户，只要模型好用、稳定、能帮他们省开发时间，涨个几十个百分点他们根本不在乎。

更关键的是，Kimi 的海外业务也在爆发。付费用户和 API 调用收入同步增长了 400%，覆盖了 200 多个国家。

你可能不知道，Cursor 的 AI 编程工具 Composer 2，底层用的就是 Kimi K2.5；另一个 AI 编程公司 Cognition 发布的 SWE-1.7 模型，也是基于 Kimi K2.7 训练的。

换句话说，Kimi 在全球开发者圈子里已经混到“基础设施”级别了，你用着 Cursor 写出代码的时候，背后其实有 Kimi 在出力。

但老狐也要泼盆冷水。

涨价逻辑能跑通的前提，是模型能力持续领先。

如果 K3 实际表现不如预期，或者 DeepSeek V4、智谱 GLM-5.2 在编程 Agent 赛道追上来，Kimi 这个“高价策略”就会从护城河变成绊脚石。说白了，现在愿意多掏钱的开发者，不是对 Kimi 有感情，是对它的能力有需求。能力掉队的那一天，钱包比感情跑得快。

K3之后，没人能再说国产模型是“追赶者”了

把实测和商业放在一起看，K3 这次预热传递的信号其实很清晰。

月之暗面从 2025 年 7 月发布 K2（1万亿参数），到 K2.5、K2.6、K2.7 Code 一路迭代，再到现在的 K3（2.8 万亿参数），13 个月走了海外模型两三年的路。更关键的是，它不是一个人在跑，DeepSeek V4 也在 7 月发布、智谱 GLM-5.2 刚拿下开源智力指数全球第一。

国产大模型在编程Agent赛道，已经从“追赶者”变成了“叫板者”。不是“勇气可嘉”的追赶，是“上场打一架试试”的叫板。

这三个选手各有自己的路：DeepSeek 走低价走量路线，智谱走开源生态路线，Kimi 走高价 Agent 编程路线。三条路如果都跑通了，国产大模型就真的不是“中国版的谁谁谁”了，而是“中国的 Kimi、中国的 DeepSeek、中国的智谱”。

但话说回来，K3 还有三个关键问题没回答。

第一，速度能不能优化？如果正式版还是跑一个任务要半个多小时，再强的能力也会被用户耐心耗光。

第二，定价会不会太高？K2.5 已经是 DeepSeek 的 6.5 倍价格了，K3 如果再加价，普通用户和小团队用得起吗？

第三，开源不开源？K2 系列开源的策略帮它拿下了全球开发者生态，K3 如果闭源，这一块优势会不会丢掉？

就像前几年的电动车，国产车从“能开”到“能打”只用了三五年。大模型这个进程，可能会更快。但快不等于稳。

至于它到底是“下一个 R1 时刻”还是又一个“跑分没输过、体验没赢过”的故事，老狐的建议很简单：别光看跑分和爆料，它已经上线了，拿你平时干的活去试试它。

模型好不好，不是 Fable5 说了算，不是 Arena 评分说了算，是你用着顺不顺手说了算。

评论区聊聊，Kimi K3 这模型用的顺不顺手～