中国 AI 公司 Moonshot AI 发布了其最新开源模型 Kimi K3。按 Decrypt 报道，这是一款目前已公开发布的中国最大开源模型，并且在多项关键基准测试中拿到了靠前成绩。
在 Towards AI 的 Writing Elo 测试中，Kimi K3 得分 2,840，高于 Claude Fable 5 的 2,760。该基准以模型撰写真实脚本的结果进行盲评，并使用与国际象棋排名相同的 Elo 系统打分。报道援引相关帖文称，Anthropic 团队此前长期在这一排名中占据优势，而 Kimi K3 这次升至第 1。
同一帖文还提到，Kimi K3 相比前代 Kimi K2.6 从第 21 名升至第 1 名，单次脚本生成成本约为 0.25 美元。
前端代码榜与多项测试排名靠前
在 Arena AI 的 Frontend Code Leaderboard 上，Kimi K3 也排在首位。该榜单基于数千次代码生成任务的人类两两投票，同样采用 Elo 评分。Kimi K3 得分 1,679，超过 Claude Fable 5 的 1,631，并在 7 个前端领域中的 6 个领域排名第 1。
据 Arena.ai 于 2026 年 7 月 16 日发布的帖文，Kimi K3 相较 Kimi K2.6 的排名从第 18 名升至第 1 名。帖文列出的前端领域包括 Brand & Marketing、Reference-Based Design、Data & Analytics 等。
Artificial Analysis Intelligence Index 这项综合指数汇总了 9 个独立评测，覆盖编码、推理、代理式工作和知识能力，分值范围为 0 到 100。该指数给 Kimi K3 的评分为 57，Claude Fable 5 为 60，GPT-5.6 Sol 为 59，Claude Opus 4.8 为 56。按这一综合榜单，K3 排在第 3，较 Fable 5 低 3%。
在 BridgeBench 的对比中，报道称 Kimi K3 与 Fable 5 正面交锋时获胜。相关帖文显示，在相同任务和盲审评判下，K3 赢下 8 个竞技场中的 7 个，其中 Refactoring 为 9 比 0，Debugging 为 6 比 1；Fable 5 唯一获胜的项目是速度。
另一则由 Guillermo Rauch 于 2026 年 7 月 16 日发布的帖文称，Kimi K3 在一个综合网页工程基准上表现最佳，领先于 Fable，并在更短时间内达到可比的成功率。帖文称，这是开源模型首次在这一综合网页工程基准上领先所有闭源模型。
报道还给出一个零样本示例：提示模型构建一个 iOS 克隆界面，Kimi K3 的结果被拿来与社交媒体上使用 GPT-5.6 Sol、且采用更复杂提示词的结果进行对比。
2.8 万亿参数，100 万 token 上下文
Kimi K3 采用混合专家架构，总参数量为 2.8 万亿。报道解释称，这类架构会把参数拆分为 896 个“专家”子网络，每次任务只激活其中一部分，以便在不大幅增加资源消耗的情况下获得更高能力。
Moonshot AI 表示：“它是全球首个进入 3 万亿参数级别的开源模型，面向前沿智能场景设计，包括长周期编码、知识工作和推理。”报道同时写道，DeepSeek 的 V4-Pro 参数规模为 1.6 万亿，Moonshot 自家的 K2 为 1 万亿，因此 K3 在规模上大致达到最接近开源竞争对手的约两倍。
该模型支持 100 万 token 上下文窗口，具备原生图像和视频理解能力，并带有持续推理能力。
效率提升来自两项架构设计
报道提到，Kimi K3 的效率提升主要来自两项架构技术。
- Kimi Delta Attention：用于提升长序列的解码速度，在 100 万 token 上下文下，速度最高可提升 6.3 倍。
- Attention Residuals：在模型层之间选择性传递信息，而不是统一累积。Moonshot 表示，这项设计可带来约 25% 的训练效率提升，而额外计算成本低于 2%。
按文中说法，这两项设计合计带来相较 K2 约 2.5 倍的更好扩展效率。
定价接近中档模型，单任务成本低于 GPT-5.6 Sol 和 Opus 4.8
Kimi K3 的价格为每 100 万输入 token 3 美元、每 100 万输出 token 15 美元。报道称，这与 Anthropic 中档模型 Claude Sonnet 5 的定价相同。
不过，从 Artificial Analysis 的综合指数看，K3 只比 Fable 5 低 3 分。按 9 项基准汇总的单任务成本计算，K3 约为 0.94 美元，GPT-5.6 Sol 为 1.04 美元，Opus 4.8 为 1.80 美元。
Decrypt 还提到，其在 5 月曾报道，中国与美国前沿 AI 模型之间的定价差距在今年早些时候达到 15 至 30 倍。报道认为，K3 并没有按 DeepSeek 那样的低价出售，而是按西方中档模型水平定价，但提供了接近前沿模型的性能。对于通过 API 构建产品的团队，这意味着成本改善。
报道还写道，如果 Anthropic 最终只通过 API 提供 Fable 5，那么 K3 将成为最接近该档位模型的开源替代方案；按单任务成本计算，K3 约为 Opus 4.8 的一半。
芯片限制背景下发布，文中提到 H200 与替代供应商 GPGPU
报道称，K3 的发布触及美国芯片出口限制背景下的一个敏感问题。美国在 2023 年底限制英伟达 H800 GPU 向中国出口，Moonshot 此前确认，其早期模型曾使用这些芯片训练。
K3 的基准文档提到了 H200，以及公司所称“来自替代供应商的一种 GPGPU”。报道写道，外界普遍将其解读为华为 Ascend 硬件，但文档并未说明这些硬件位于何处。
据 Silicon Republic 报道，Moonshot AI 总裁张宇桐今年在达沃斯论坛上表示：“我们知道自己没有奢侈条件去简单地扩大算力……这迫使我们把重点放在基础研究和效率上。”
美国银行分析师在 K3 发布后的报告中写道，K3 证明了“预训练扩展，配合架构创新，即使在这些限制条件下，仍可为中国旗舰模型带来跨越式提升”。
报道把 Moonshot 列入所谓的“AI Tiger”初创公司之中，并指出这些公司在无法获得华盛顿认为其所需芯片的情况下，仍改变了全球模型格局。至于这是否说明出口管制需要更严格，或说明其效果有限，报道称这仍是华盛顿尚未解决的政策问题。
幻觉率上升，官方也提示模型可能“过度主动”
尽管基准成绩突出，Kimi K3 也有需要留意的地方。
在 AA-Omniscience 这项衡量模型在不知道答案时仍自信编造内容频率的基准上，K3 的幻觉率从前代 K2.6 的 39% 升至 51%。报道的表述是：正确答案更多，但编造出来的答案也更多。
模型文档还承认，在长时间自治任务中，K3 可能会“过度主动”，代表用户做出意外决定。
对于已经基于 Kimi K2.6 工具链运行产品的团队，报道认为，K3 在大多数方面都是明显升级；但在需要高准确性的场景中，这一幻觉率变化值得先做压力测试。
可免费试用，权重将于 7 月 27 日开放
报道最后提到，用户可以在 Kimi 官方网站免费试用 K3，但由于访问量过大，服务器经常因流量限制导致任务中断，使用体验受到影响。文中给出的替代方案是付费订阅，或通过 API 调用。
Moonshot 计划于 7 月 27 日发布模型权重，面向大型企业和商业用户开放。报道还称，目前没有任何国产 GPU 能够承载这一体量的模型。