Kimi K3突然登頂！前端代碼打敗Claude Fable 5，價格也漲到了美國檔

出品 | 網易智能

作者 | 辰辰

編輯 | 王鳳枝

國產大模型也不便宜了。15美元一百萬token，和Claude Sonnet 5一個價。

7月16日晚，月之暗面發布Kimi K3：2.8萬億參數，100萬token上下文，原生多模態，是目前全球參數最大的開源模型。

Kimi K3已同步上線網頁端、手機App、Kimi Work、Kimi Code和API，企業版也已開放。目前默認只提供最高思考強度，低、高檔位將在后續更新中加入。

上線不到一天，Kimi K3便以1679分登頂Arena.ai前端代碼競技場，超過Claude Fable 5的1631分和GPT-5.6 Sol的1618分。

然后是價格。每百萬緩存命中輸入token 0.30美元，未命中輸入3美元，輸出15美元。后兩項與Anthropic Sonnet 5完全相同。

中國大模型，第一次照著美國大模型的價目表收錢。

一、從第18名到第1名

先說清楚這張榜單是什么。

Arena的前端代碼競技場，不是實驗室里算出來的分數。它用的是Elo對戰機制，和國際象棋排名同一套邏輯：真實開發者提交真實的編程任務，兩個匿名模型各交一份答案，開發者盲選哪份更好。投票的人，不知道自己在給誰投票。

由于模型身份被隱藏，這類盲測能減少品牌和先入印象對投票的影響，比廠商自報的榜單更接近真實用戶的偏好。

7月16日，K3在這張榜單上首秀：1679分，直接第一。Claude Fable 5，1631分，第二。GPT-5.6 Sol，1618分，第三。

在K3發布前的榜單快照里，月之暗面的上一代模型K2.6，約排在第18位。

一代產品，跳了17個位次。

跳級的這個家伙，什么來頭？

先看體量。2.8萬億總參數，是上一代1萬億的近三倍。開放權重模型的體量紀錄，此前由DeepSeek V4 Pro的1.6萬億保持，這次直接高出四分之三。按月之暗面自己的說法，過去十二個月里，有九個月，開放模型的尺寸上限都是Kimi在守。

它是個混合專家模型，896個專家里每次只激活16個，不是所有參數同時干活，誰的活誰上。上下文窗口100萬token，大約對應75萬個單詞，足以一次處理大型代碼庫、長文檔或多份研究材料，實際能裝多少取決于代碼和文檔的結構。原生支持視覺能力，可以結合截圖和視覺反饋完成任務。

架構上的兩項更新，官方推文給過兩個數字：Kimi Delta Attention（KDA），在百萬token場景下最高帶來6.3倍解碼加速；Attention Residuals（AttnRes），用不到2% 的額外計算，換取約25% 的訓練效率提升。官方發布文章里另有一筆總賬：同樣的算力，K3把它變成智能的效率，是上一代的2.5倍。三個數字都出自月之暗面自己，獨立驗證要等權重公開之后。

所有這些改動，沖著一件事去：長程編程，讓模型自己翻倉庫、調工具、看報錯、改代碼，連續工作幾小時不用人管。

前端代碼榜第一，就是這套設計交出的第一份成績單。

而且不止這一張。據Axios報道，在Arena更大盤的文本排名里，K3同樣壓過了Opus 4.8的標準版，并跟GPT-5.6 Sol打平。幾周之前，Opus 4.8還是一個站在行業最前沿的模型。

今年1月，月之暗面完成5億美元C輪融資，估值43億美元。據報道，這筆錢用于擴充算力和推進K3的研發。

月之暗面承諾，7月27日之前公開全部模型權重。

二、官方很冷靜

熱搜在狂歡，官方公告卻在潑冷水。

月之暗面自己的發布文章里，白紙黑字寫著一句大多數廠商絕不會寫的話：

"其整體性能仍落后于最強的閉源模型Claude Fable 5和GPT-5.6 Sol。"

第一還不是我們。

但除了那兩個，全都贏了。

不過有個前提：這些自測并非全部在同一種智能體框架下完成，不同的基準分別用了Kimi Code、Claude Code或Codex。條件沒有完全對齊，這些成績更適合看趨勢，當不成嚴格的裸能力對比。

第三方數據很快跟上。獨立評測機構Artificial Analysis給K3的智能指數打出57分：低于Claude Fable 5（60分）和GPT-5.6 Sol（59分），高于Opus 4.8（56分）。

數據比官方還誠實。

在衡量真實工作能力的GDPval v2上，K3的Elo沖到1668，上一代K2.6只有1190。在模擬辦公自動化流程的評測上，K3直接拿了第一。它還比上一代少用21% 的token跑完了全部測試，分數反而高出13分。

但Artificial Analysis也補了一刀：K3的答題準確率從33% 漲到了46%，幻覺率卻從39% 漲到了51%。

它答對了更多問題，它也編造了更多答案。

更準確地說：它變得更敢答了。知道的，答得更多；不知道的，也更傾向于硬著頭皮往下寫，而不是承認不知道。

還需要交代一句：這組數字，是K3和上一代的縱向對比。橫向的坐標，Fable 5們在同一口徑下的幻覺率，報道里沒有給出。51% 算行業常態，還是明顯偏高，暫時沒有答案。

發布公告里還有一個容易被劃過去的細節：在K3研發后期，團隊大部分的GPU內核優化工作，是由一個早期版本的K3自己完成的。 這個模型，參與了制造它自己。

用AI寫底層計算代碼，行業里早有先例。它的分量在于：在2.8萬億參數這個體量上，自己造零件，自己用。

三、一只25美分的鵜鶘

榜單之外，民間的手工評測在同步進行。

老牌開發者西蒙·威利森（Simon Willison）的保留節目，是讓每個新模型畫"一只騎自行車的鵜鶘"。K3畫得不錯：鵜鶘戴著紅圍巾，橙色腳蹬踩著踏板，身后拖著速度線。

但這只鵜鶘花了25美分。

95個輸入token，換來16658個輸出token，其中13241個是"思考"。一只鵜鶘，當然不算標準化的成本測試。但它直觀暴露了一個問題：K3目前只有一個思考檔位，頂格。它不會省著想。

一位叫Max Blade的開發者，用K3寫了一局網頁游戲。30多分鐘，一條提示詞，燒光了整整20美元的訂閱額度。這位開發者的結論分裂得很誠實：

"貴，而且很慢。但是天哪……這個輸出里真的有Fable 5那種魔法。"

另一位開發者LASCHUK做了個更狠的對照實驗：單條提示詞克隆蘋果官網首頁，一次成型，不給任何幫助。

K3做完，花了0.44美元。Fable 5做完，花了0.94美元。

要知道，Fable 5的定價是每百萬token收10美元和50美元，全市場最貴。K3用不到一半的錢，交出了同樣的活。LASCHUK的問題很扎人：

"那我多付的那部分溢價，到底買的是什么？"

畫只鵜鶘，25美分。寫一局游戲，20美元。克隆蘋果官網，0.44美元。同一個模型，三張賬單。K3的成本不取決于標價，取決于它在每個任務里想多久。

四、爭的不是強不強，是值不值

現在說回價格。

K2.6的定價是輸入0.95美元、輸出4美元。K3直接跳到3美元和15美元，翻了三倍多。Simon Willison認為，這是中國AI實驗室迄今發布的最昂貴模型之一。

這個價格，可以有兩種讀法。往姿態讀，是主動對標美國頭部模型的價目表；往成本讀，2.8萬億參數加頂格思考，token消耗擺在那里，官方自己都說是靠新架構和緩存優化才把價格壓到"有競爭力"的水平。哪種成分更大，外人分不清。但對用戶來說結果一樣：便宜，不再是它的賣點。

按Artificial Analysis的口徑，K3跑完一個任務平均花0.94美元，和GPT-5.6 Sol的1.04美元同一個檔位，只有Opus 4.8的一半。但在開放權重陣營內部，它貴得刺眼，同樣的活，GLM-5.2只要0.32美元，DeepSeek V4 Pro只要4美分。當然，這些對比只是量級參考，實際成本還受緩存命中率、輸出長度和思考token量的影響。

最早一批開發者的評價，迅速分化。

主流編程智能體Cline的官方賬號說，這是"開放權重模型改變游戲規則的里程碑"，benchmark追平GPT-5.6和Fable 5，價格卻停在Sonnet 5的水平。

反對的聲音更直接。"以現在這個定價，它屬于垃圾桶。"一位用戶寫道。另一位自己算了筆賬，算得比三倍多還狠："五倍的價錢。Moonshot，我們這是在干什么？這個模型一旦不拼價格，基本就不抗打。"

還有人在給狂熱降溫。開發者丹·麥卡蒂爾（Dan McAteer）潑得最冷："K3不是Fable級別的。抱歉了各位。"這位開發者提醒：很多開源模型的基準測試成績，通常好于真實使用表現；Fable 5.1據傳已經就緒；GPT-6也比想象中近。結論是，中國還落后4到5個月，美國的實驗室不需要那么慌。

幾派吵成一團。但所有人都沒有否認同一個前提：K3夠強，強到可以坐上牌桌。

爭論的從來不是它配不配坐下，而是它坐下之后收的臺費。

一年前，沒有人會跟一個中國模型認真討論"值不值這個價"。

能被討價還價，就已經是變化。

五、美國開始重新計算領先時間

Axios在報道里用了兩個詞：科技圈的"敬畏"，和硅谷與華盛頓的"警報"。

Mozilla的CTO拉菲·克里科里安（Raffi Krikorian）說得更直白："現在，這就是一個中美競爭的問題。"

給出的論據很經濟學。據Axios轉述，在克里科里安看來，美國AI實驗室的CEO們正在華盛頓游說限制開放權重模型，一個由中國公司領跑的類別，而這個動作本身就說明，他們已經把這條技術路線當成了重要的產業和政策變量。

游說的動機當然不止一個：安全、商業、地緣，都可能在里面。但不管哪個占主導，結果都一樣，開放權重模型已經被當作需要管控的力量。

真正被反復掂量的，是時間差。

一條日語推文里的測算是這樣的：過去大家說中國模型落后美國6個月，現在看，只剩1.5個月左右。X用戶 Jukan的結論更進一步：K3可能是第一個把與美國頭部閉源模型的差距縮到3個月以內的模型。

最保守的麥卡蒂爾，給的數字是4到5個月。

注意這個區間。1.5個月、3個月、4到5個月，這些數字都不是嚴謹測量，是一個個主觀判斷。

但討論的單位，已經從"年"縮短到"月"。 這本身反映的，是外界對中國模型進步速度的重新判斷。

也需要誠實說一句：K3上線才幾十個小時，所有第三方數據都來自最早一批測試，病毒式傳播的演示可能夸大它在真實工作里的穩定性。權重要到7月27日才公開，在那之前，沒有人能把這個2.8萬億參數的龐然大物搬回家親手驗證，包括它的美國同行。

K3的發布時間，恰好臨近2026世界人工智能大會在上海開幕。這也讓這次發布，獲得了超出一次產品上線的產業和政策關注。

六、被討價還價，是上了牌桌才有的待遇

回到開頭那句話。

中國模型的"白菜價"標簽，在 K3這里開始失效。

對用慣了低價中國模型的開發者，這是個壞消息。但對月之暗面，這可能恰恰是它要的結果。當所有人都在爭論你值不值15美元的時候，就沒有人再問你做不做得到了。

K2.6便宜，沒人算它值不值。

K3貴了，全世界都在幫它算賬。

被討價還價，是上了牌桌才有的待遇。