重點摘要： Moonshot AI 於 2026 年 7 月 16 日發布 Kimi K3 —— 一款突破性的 2.8 兆參數開放權重模型（3T 級別首款），原生多模態、100 萬 token 上下文，並在程式設計、代理式任務、前端開發與知識型工作上展現前沿性能，可與 Claude Fable 5、GPT-5.6 Sol 等頂級專有模型匹敵甚至超越。
關鍵要點
- 規模與創新：2.8T 參數，MoE 架構每個 token 啟用 16/896 專家，Kimi Delta Attention（KDA）、Attention Residuals，相較 K2 具有約 2.5 倍的擴展效率，Kimi K3 - Kimi API Platform
- 性能：Artificial Analysis Intelligence Index 約 57（前四名，領先 Claude Opus 4.8），領跑 Frontend Code Arena，在 Terminal-Bench（88.3%）、BrowseComp（91.2%）、GPQA-Diamond（93.5%）表現強勁。整體略遜於 Fable 5/Sol，但超過多數對手；在 Arena.ai Frontend Code Arena 以 1,679 Elo 名列第 1（擊敗 Fable 5），Arena 在 X 的貼文 與 Tom's Hardware 報導。
- 能力：原生視覺/影片，100 萬上下文可處理超大型程式碼庫，代理式編碼，3D 推理，影片剪輯，研究型儀表板。
- 存取：可透過 kimi.com 即時使用、API（模型：kimi-k3，接入指南）；權重即將開放。Moonshot 因需求激增暫停新 Kimi K3 訂閱。可透過 CometAPI 輕鬆整合。
- 價值：單次任務成本更低（部分評測約 $0.94）、較少拒答，特別適合程式/視覺工作流程。
Kimi K3 Tech Blog 將 Kimi K3 描述為「Open Frontier Intelligence，Kimi K3 是 AI 民主化的關鍵時刻。隨著 Moonshot 等中國實驗室在算力受限下不斷突破，這一開放模型正在挑戰美國閉源前沿的主導地位，並賦能全球開發者。」
什麼是 Kimi K3？來自 Moonshot AI 的開放 3T 級模型
Moonshot AI（北京創業公司）於 2026 年 7 月 16 日推出 Kimi K3 作為旗艦模型。它明確定位為約 3 兆參數級別中的首個開放模型，總參數 2.8 兆，採用稀疏 Mixture-of-Experts（MoE）架構。每個 token 僅啟用 896 個專家中的 16 個，在規模與效率間取得平衡。
這延續了 Kimi K2 系列（K2.5、K2.6 等）在程式與多模態方面的勢頭。K3 引入架構創新：Kimi Delta Attention（KDA）與 Attention Residuals（AttnRes），以及 Stable LatentMoE 與量化感知訓練（自 SFT 階段起採用 MXFP4 權重、MXFP8 激活值）。相較前代，擴展效率提升約 2.5 倍，解碼速度最高快 6.3 倍。
關鍵規格（Kimi K3 Technical Specifications）：
- 參數：總計 2.8T（稀疏 MoE）。
- 上下文視窗：1,048,576 tokens（約 100 萬）。
- 模態：原生文字 + 影像 + 影片理解；輸出為文字。
- 最大輸出：預設 131k tokens，可至上下文上限。
- 推理：發佈時預設為最大努力；後續將新增低/高模式。
- 開放權重：承諾於 2026 年 7 月 27 日前釋出（參照 K2 先例的修改版 MIT 授權）。
K3 鎖定長期任務——不僅是快速回答，而是完成包含視覺回饋的複雜工程、研究或代理流程（「Vision in the Loop」）。示例包括自主構建 GPU 編譯器（可與 Triton 匹敵）、在 45nm 製程上設計晶片，以及快速的天文物理研究。
需求已對產能造成壓力
該模型早期反響熱烈，已帶來產能壓力。Moonshot 在 X 表示，過去 48 小時的需求已接近當前 GPU 上限，公司在擴容期間將暫停新的訂閱。Business Insider 亦報導了同樣的暫停，並指出現有訂閱者不受影響。
這對生產規劃至關重要。即便模型表現優異，若需求超出算力，也可能出現可用性限制。評估 Kimi K3 的團隊應避免對單一供應商的依賴，監測延遲與錯誤率，並在可能的情況下透過 CometAPI 等統一供應商進行備援路由。
程式基準：Kimi K3 最強項目
Kimi K3 的程式能力是開發者關注的核心原因。它在 Terminal-Bench 2.1 上與 GPT-5.6 Sol 幾乎持平，在 Program Bench 小幅領先 GPT-5.6 Sol 與 Claude Fable 5，並在 FrontierSWE 上以顯著優勢領先 GPT-5.6 Sol。於 OpenLM 表格中的 SWE Marathon 也優於對比模型。
Arena 的前端結果提供了另一項實用信號。Arena 報告 Kimi K3 在 Frontend Code Arena 取得 1679 分，領先 Claude Fable 5。此基準重要之處在於前端工作往往由人工偏好而非僅靠單元測試來評判。能從提示產出乾淨、視覺一致的 UI 的程式助理，對產品團隊、代理商、SaaS 建構者與內部工具而言都極具價值。
綜合榜單
- Artificial Analysis AI Leaderboard：初登場即列第 3。Intelligence Index 分數具競爭力（如部分評測約 57.1）。
- 私有長期知識工作評測：Elo 1547（較 K2.6 提升 +732），僅次於 Fable 5。
程式與代理式基準（官方與獨立）
K3 在此表現出色，憑藉規模與架構在持續的代理式任務中維持表現。
- Frontend Code Arena（Arena.ai）：第 1，1,679 分，領先 Fable 5 與 GPT-5.6 Sol。在網頁開發的盲測開發者偏好上表現優異。
- DeepSWE：67.3–67.5（表現強勁，使用 KimiCode 測試框架）。
- Program Bench：77.8，名列第 1。
- SWE Marathon：42.0，名列第 1（部分測試框架）。
- Terminal-Bench 2.1：具競爭力，接近 GPT-5.6 Sol。
視覺與多模態
原生訓練（非外掛式）帶來穩健成績：
- MMMU-Pro：81.6%
- MathVision：具競爭力；部分報告在 90% 高位。
- OmniDocBench：91.1%（領先）。
支援螢幕截圖、圖表與影片，用於如 UI 微調或遊戲開發等閉環任務。
比較表：Kimi K3 與主流模型（近似值/彙編自各報告；註明處採用最大努力）
| 基準測試 | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | 備註/來源 |
|---|---|---|---|---|
| Frontend Code Arena | 1,679 (#1) | 較低 | 較低 | Arena.ai |
| DeepSWE | 67.3–67.5 | 具競爭力 | - | Moonshot/KimiCode |
| Program Bench | 77.8 (#1) | - | 接近 | Vals.ai |
| Intelligence Index (AA) | ~57.1 | ~59.9 | ~58.9 | Artificial Analysis |
| Long-Horizon Elo | 1547 | 較高 | - | Internal Moonshot |
| Cost per Task (Evals) | ~$0.94 | 較高 | 較高 | Independent |
資料來源於 Moonshot 的技術部落格、獨立榜單與分析。結果會因測試框架/推理努力不同而變化；請以最新為準。
K3 在敏感主題上的拒答更少，並在代理流程中保持良好一致性。獨立測試（如 YouTube 測評、Vals AI）亦確認其為面向真實世界程式設計的最強開放模型之一。
Kimi K3 能做什麼？程式、視覺與更廣能力
程式與代理式工程
K3 可在最少監督下維持長時段工作：瀏覽超大型程式碼庫、使用工具、透過螢幕截圖進行除錯（「視覺在迴圈中」）。
示例：
- 核心優化與編譯器開發：從零構建類 Triton 的 MiniTriton 編譯器，與優化棧競爭。以接近 Fable 5 的表現優化 GPU 核心。
- 遊戲開發：將概念/圖像/影片轉為可遊玩的 3D/多人體驗，並進行迭代優化。
- 晶片設計：自動化 48 小時完成奈米級晶片設計。
- 前端：在 Web 應用與全端任務榜單名列前茅。
視覺與多模態
原生影像/影片理解使能：
- 影片剪輯：從 56 段素材中完成自我宣傳片的選片、剪切、同步與修訂——將數小時工作壓縮至數分鐘。
- 3D 推理、動態圖形、互動式儀表板。
- 透過螢幕截圖進行程式迭代的「視覺在迴圈中」。
Kimi API 文件顯示影像輸入採用 base64 data URL，影片輸入則透過上傳檔案並以 ms:// 進行引用。同時提醒：視覺輸入不支援公共影像 URL，因此開發者應傳送 base64 或上傳檔案的引用，並將訊息內容設為物件陣列。這點很關鍵：請勿將混合的影像與文字訊息序列化為單一純文字字串。
知識型工作與研究
對企業而言，這或許比一般聊天機器人更有價值。該模型為「代理式」工作而設計，能維持計畫、呼叫工具、處理中間結果並產生最終成品。示例涵蓋市場研究報告、資料清理助理、合規摘要、客服知識庫維運與內部工程協作助手。
- 產出顧問級報告、互動視覺化與儀表板（例如從數千來源整理的 42 年 ASIC 產業分析）。
- 科研流程：重現天文物理關係，透過子代理分析重力波。
- 透過 Kimi Work 的小工具/儀表板實現持久、資料驅動的視圖。
K3 將文獻與可執行程式相銜接，高效產出具出版品質的結果。
Kimi K3 與其他前沿模型：實用對比
| 模型 | 最佳適配 | 優勢 | 注意事項 | CometAPI 建議 |
|---|---|---|---|---|
| Kimi K3 | 長上下文程式、知識型工作、代理、視覺推理 | 2.8T MoE 規模、100 萬上下文、程式與代理基準強勢、開放權重路線圖 | 發布週產能壓力、對思考歷史較敏感、視覺支援可能因接入路徑而異 | 作為旗艦程式與長上下文模型進行測試 |
| GPT-5.6 Sol | 強推理、程式、研究、廣泛生產任務 | 整體基準表現非常強、工具鏈成熟 | 多數接入路徑價格較高 | 作為對比與升級模型使用 |
| Claude Fable 5 | 寫作、程式、代理式流程、人類偏好導向任務 | 優秀的 UX 與廣泛前沿表現 | 成本較高，部分任務可能因政策回退 | 針對用戶端代理與偏寫作場景進行比較 |
| Claude Opus 4.8 | 深度推理與可靠的專業工作 | 穩定的高端助理行為 | 相較最新旗艦版本較為陳舊 | 作為備用或基準基線保留 |
| GLM-5.2 | 對成本敏感的開源模型評估 | 具競爭力的開源替代 | 在多項與 K3 的對比中較弱 | 納入成本/性能路由測試 |
如何存取 Kimi K3：步驟指南
- 網頁/應用：前往 kimi.com 或下載 Kimi 應用（iOS/Android）。選擇 K3（K3 Max 或 Swarm Max）。
- Kimi Code：面向開發者的終端/IDE 體驗。適合程式代理。
- API 存取：
- Base URL：https://api.moonshot.ai/v1
- Model：kimi-k3
- 在 platform.moonshot.ai/console 取得 API key。
- 相容 OpenAI 的 SDK 範例（Python）：
Python
from openai import OpenAI
client = OpenAI(api_key="YOUR_KEY", base_url="https://api.moonshot.ai/v1")
response = client.chat.completions.create(
model="kimi-k3",
messages=[{"role": "user", "content": "Your prompt"}]
)
支援工具、JSON 模式、上下文快取。定價：輸入 $3、輸出 $15/每百萬 tokens（快取 $0.30）。
- 聚合器：透過 CometAPI（cometapi.com）即可以單一金鑰同時存取 Kimi K3 與 500+ 模型，成本更低（節省 20–40%），並可輕鬆切換。非常適合生產環境——可直接替換 OpenAI 介面，低延遲。
- 自行部署：7 月 27 日後於 Hugging Face 釋出權重。預期硬體需求龐大（超級節點，建議 64+ 加速器）。社群工具如 vLLM 將隨後支援。
CometAPI 建議：透過 CometAPI 整合 Kimi K3，可免去多重金鑰/帳單管理。與 Claude/GPT 併行 A/B 測試、優化成本並穩定擴展。他們的儀表板可跨模型追蹤用量——非常適合監控 K3 實驗。前往 cometapi.com 註冊可獲得免費點數與統一接入。
最終結論
Kimi K3 是 2026 年迄今最重要的模型發佈之一。它結合了龐大規模、堅定的開放權重策略、100 萬 token 上下文、原生視覺理解以及處於當前頂尖行列的程式與代理基準。它並不取代 GPT、Claude、Gemini、DeepSeek、Qwen 或其他模型，但為最艱難的長上下文工作流程提供了一個可信的新選擇。
立即在 kimi.com 開始，或透過 CometAPI 無痛整合。結合其在程式與視覺方面的長處進行實驗——結果自會說明一切。