Kimi K3打响前端闪电战

「大的真来了」

激动人心的Kimi K3评测终于来了。

经过了将近一周的疯狂测试，不仅所有模型加一块花了小一万元API费用，并且引入了葬AI的好朋友钟经纬同志作为专业外援又跑了个Bench。

我们得出的结论是：

综合能力上，K3确实是世界第三水平，仅次于5.6 Sol和Fable 5，显著超越GLM 5.2。并且，K3是一个很全面的模型，在视觉理解等多模态领域也是一流水平。

特别值得一提的是，K3专门优化了一次性生成小游戏和前端代码能力，应该是Kimi在训练全阶段，都针对前端能力做了特别优化。

属于是带着产品传播思路训练模型。现在社交媒体吹K3的内容，大部分都是这两个场景。

我完全没有嘲讽Kimi的意思，而是建议家人们多学习。

首先，K3一句话生成漂亮网页和小游戏的能力做到了世界第一水平。其次，K3的综合能力也仅次于A畜O记两家的旗舰模型。赢得没毛病。

这其实体现了一个国产大模型的趋势，前端为王。

因为其他维度的能力很难展示。在社交媒体上，大模型的编程能力约等于做小游戏和漂亮网页。所以几个国产模型猛猛优化前端能力。

你要么能全方位领先，要么打穿某个垂直领域也可以。不然这么多模型，大伙根本用不过来。目前我们亲爱的Kimi就彻底打穿了用户心智。

好了，不绕弯子先说结论环节结束。让我们来逐步展示K3的水平。

首先登场的依旧是。

非常简单粗暴，根据葬AI的图谱数据构建知识图谱，然后调用浏览器来查看打分。每个模型每次启动独立Opencode会话跑10轮，最后用加权平均分排序。

这个测试有效的地方在于，以Hunyuan、Seed、MiniMax为代表的二线国产模型普遍不稳定，跑的轮次上去后，总有低分轮次拉低平均分，区分度就出来了。

按档位分模型

结果显示，K3和Qwen 3.8 preview一个水平，都超越了Opus 4.8和GLM 5.2，距离Sol 5.6和Fable 5仍有差距。

差距在于，后两个模型少有低分轮次，几乎所有产物都稳定性地强。而K3和Qwen 3.8 preview都还很不稳定，不仅有低分轮次，而且每天跑出来的分数都有波动。

我在两天里跑了三轮这两个模型，每轮还是10次同样的任务。从分数变化就能直观感受，K3相对稳定一点，两个模型的分数都在逐步提升，搞不好每轮跑的模型都是新版本。

不止Qwen和Kimi在升级。几乎所有国产模型都在热更新，虽然模型版本号没变，但模型能力都在提升。

最直观的例子是混元Hy3，短短一个月内，从路边一条被DeepSeek斩杀的水平，跑到了和Qwen 3.7 Max、MiniMax M3一个梯队，大幅超越尚未发布正式版的邪恶小鲸鱼。

所以用具体分数来排序国产模型已经很不可靠了。

这个榜单本身也是图一乐，除了K3和Qwen 3.8 preview这种大版本更新能明显区分外，只能用档位来划分模型。

我给市面上的主流模型划分成了几个档位：

S级：GPT-5.6 Sol、Claude Fable 5
A级：Qwen 3.8 Max Preview、Kimi K3
B级：Claude Opus 4.8、GLM 5.2
C级：Hunyuan Hy3、MiniMax M3、Qwen 3.7 Max、LongCat 2.0、Grok 4.5
D级：DeepSeek V4 Pro、MiMo V2.5 Pro、Doubao Seed Evolving、Step 3.7 Flash
E级：ERNIE 5.1

基本上就最好的和最差的有区分度，中间绝大部分模型都差不太多。

百度的文心一言最难绷，我出于猎奇加入了这个模型，没想到居然真能稳定倒数第一。因为近一半任务直接失败，判0分，输得毫无争议。

而且ERNIE 5.1价格还不便宜，可能是真没人用所以定价放飞自我了，跑一轮完整测试花了37.7元，远超最有性价比的混元Hy3，一轮测试就花了3块钱。

对的，葬AI性价比榜重磅更新。

可能是发现能力没差别就只能卷价格了。Hy3、MiniMax M3、LongCat 2.0等等国产模型最近都有大幅折扣，五折起步，所以纷纷表现出来超绝性价比。

上述这些榜单和测试都可以在葬AI网站阅读完整版：

https://funeralai.cc/test/

回到我们的明星K3上。

因为知识图谱考验的是构建节点的稳定性，不考虑视觉审美，所以Kimi卓越的视觉审美无处发挥。

没关系，我们还准备了几个多模态测试。

首先是生成3D模型。众所周知，Kimi是杨植麟的英文名。那我们就让K3根据杨圣照片，生成可供打印的杨圣3D模型。

结果如图所示。

多模态测试好就好在直观，3D模型像不像一眼就能看出来。

显然模型厂都还没有优化直接生成3D白模这个场景，所以各家的水平都很糟糕，只能说5.6 Sol生成的模型毫无疑问最像个人，断档第一。

Fable 5、K3和Grok 4.6生成的一个水平，都能看出来比较清晰的人形。Qwen 3.8 preview生成的就比较糟糕，勉强能看出来人型。

侧面也能反映出，Qwen 3.8预览版确实是半成品，后训练没搞完，还没优化非编程能力。

不过，这也好过我们亲爱的豆包最新模型Seed Evoling，直接给杨圣头部生成了一个方块。简直不可理喻！

考虑到K3和Qwen 3.8 preview都还不稳定，尤其是Qwen后训练没做完，居然公开表示自己每天更新发版，所以周二我又让这两个模型重跑了一遍。

结果大差不差吧。K3的3D建模能力显著领先，Qwen 3.8 preview给杨圣身子生成一个方块了，只比豆包稍微好一点点

我顺手打印出来了K3生成的杨圣模型，想要的评论区留言，送给点赞第一。

下一个测试是K3宣传片蒸馏大赛。

在看到K3充满品味的宣传片之后，沐秋发表了非常糟糕我完全不认同的意见，说K3的宣传片实现了软蒸馏Fable 5。

那么问题来了，K3能不能自己蒸馏宣传片呢？

我只存入了K3宣传片视频，叫所有模型都参考原片制作一支MG动画。考验模型的视觉理解、前端代码和工具调用能力。

这是K3生成的结果。

遥遥领先其他所有模型。下面是5.6 Sol生成的，也显著不如K3画面精细、动效流畅。

这是Qwen 3.8 preview生成的结果。平平无奇。

只能说和下边的Seed Evoling难分高下，都远远不如K3。

最后，我还娱乐性地拿GLM 5.2也跑了这个测试。结果神了，GLM 5.2居然真的生成了视频。

烂归烂，但结果令我震撼。上述模型都是多模态，能抽帧理解画面，但GLM 5.2是纯文本模型，看不了视频啊。

原来GLM 5.2自己调用了macOS自带的 Vision OCR，然后写了图像分析脚本，根据「时间戳 + OCR文字 + 坐标 + 颜色统计信息」推断出了宣传片的24个场景，然后渲染出了视频。

叹为观止啊。要不是国产模型版本换到了参数大跃进，先搞出3T参数者为王，否则后训练之王智谱真就统治编程领域了。

最后，钟哥还跑了CEO bench。

这是个长程经营模拟评测，大意是让模型扮演一家 AI SaaS 创业公司的 CEO，拿 $100 万启动资金经营500 天，终局现金就是它的最终得分。主要考验模型的综合智力。

我们这次主要对比K3和Qwen 3.8 preview。

首先K3上来就有点不走寻常路，因为CEO-Bench 考验核心能力就是「在信息不全的情况下，从充满噪音的付费调研里推断隐藏最终能得到的收入。」

K3在知晓规则后，直接逆向了评测环境，获取了隐藏的信息。原来参数大就会直接开挂吗？这也能学Anthropic？

在重新限定规则后，K3的做法如下：

它是四家国产模型里唯一在开局没有梭哈研发，主要极致低价走量，增长大头是老客免费带新客。

一切良好，但在第 8 周，他误以为最低档用户不烧算力，放心地把最低档用户往死里做大，接着把广告强度开到满档，得到了3.3万 个订阅用户，是智谱和MiniMax的一百倍，代价是亏损越来越高。

这模型到后期每周在周报写「只有研发能救我」「企业客户才有高毛利」合理怀疑是魔怔了，最终倒在第262天。

Qwen 3.8 preview则是测试四个国产模型中唯一没有破产（终局剩余$17.5 万），主要原因是认怂得快，在发现烧钱投放带不来增长后，果断停止投放，靠苟着活到了最后。

完整版分析报告在这里阅读：

https://my.feishu.cn/docx/U0YodUZEYo6EZnxB7KlcdfqcnCe

最后再总结一下吧。

我有预期K3会比较强，但没想到会这么强。GLM 5.2还能说是后训练的胜利，属于把1T以内参数模型潜力发挥到极致。

没想到，Kimi直接切换版本，率先发出来了3T级别模型，并且完成度相当高，非编程能力也都做了优化。

一向善于做产品的Kimi还将产品思维带入到了模型训练里。既然事实上大伙谈论模型能力就是生成漂亮网页和小游戏，那我就针对性地优化，猛猛搞数据。

建议其他模型厂的家人们向Kimi认真学习，究竟是如何建立起如此高质量的前端数据管线的。学习明白了顺便也跟我分享下。

反观Qwen，阿里老哥应该是被K3干急眼了，突然发出来一个半成品。

高情商说法是Qwen 3.8 preview按日更新，不断进步。低情商说法是后训练没做完，非编程能力都还在热更新。

所以出现的奇观是，Qwen 3.8 preview的编程能力相当不错，各种测试里都和K3一个水平，并且略微领先K3。但在社交媒体上被喷完了，信息流里全是喷这玩意刷榜、做网页不行。

如果说K3是集美模型（纯褒义）的话，Qwen 3.8 preview就纯纯干成了力工模型。

只能说模型竞争还是太激烈了。这样的大版本更新，模型预训练周期半年起步，但最后就竞争这几天发布时间。

Qwen的家人们真是不容易啊，干成大模型汪峰不说，隔三差五还让这些阿里被投偷家。

不过，K3能这么快发我是完全没想到的，主要原因显然是智谱GLM5.2把禁用Fable 5的流量吃满，而自己的K2.7 code发布后反响平平，急需一场胜利推进正在进行中的Pre IPO融资。

而GLM 5.2发布真是撞上了前所未有的窗口期，在Fable 5解禁、5.6 Sol发布前的这半个月里称王称霸。

Kimi和智谱简直是一对苦命鸳鸯，两家老板曾经是学生与导师，杨圣得清华特奖时，给他推荐的导师还是唐神。唐杰说杨圣是他「这几年见过最优秀、最有天赋的学生」。

只能说导师眼光确实好。

不知道双方发模型互干时有没有想起往日种种，是怎么到了争抢国模第一互爆底牌的局面的？

Kimi明明算力不够，也要硬顶着发布K3，最后牺牲了新增C端用户，这是一定得把老师股价打下来

难道唐杰内部信的摸高是让杨圣摸高？让我们期待GLM新版本能不能震撼Fable 5吧。

天才总是成群出现，大的来得接二连三。横批：赢赢赢。

我那天刷到杨圣导师点赞K3，还以为唐神这么大气，点进去一看是杨圣的美国导师给他点赞。

在K3发布的测评榜单里，六个榜单有五个GLM5.2都排在最后。当然榜单里除了K3也只有GLM5.2一家国产模型，这大概的意思是只有你配和我竞争吧。

真是惺惺相惜❤️

（本文封面由ChatGPT 生成，纯人工写作）

⬇️

欢迎订阅我们的Substack

funeralai.substack.com