从 K2.6 到 K3，历时 2 个半个月，跃升 17 个名次——中国开源模型 Kimi 在 Claude 强项上实现了历史性超越，在 WAIC 大会首日，交上了一份亮眼成绩单。

尽管在官方博客中，Kimi 坦诚“整体性能仍然落后于最强的闭源模型 Claude Fable 5 和 GPT 5.6 Sol”。但在刚刚刷新的第三方权威平台 Arena 评测中，K3 以 1679 分成绩，不动声色地登顶前端代码 /Web Dev 榜单，力压 Fable5 48 分，高于 GPT-5.6 Sol 的 61 分。

该评测并非简单检查代码能否通过固定单元测试，而是让模型面对相同的真实前端任务，由用户比较生成结果并投票。因此，它同时衡量 代码功能、交互体验、视觉效果和需求理解，更接近 Vibe Coding 时代用户对“成品”的主观选择。

具体来看，K3 在七个前端细分领域中的 六项排名第一，包括品牌与营销、参考图复刻、数据与分析、消费产品、模拟应用、内容创作工具；游戏开发排名第二。Arena 还披露，K3 在两两对战中的平均胜率为 76%，高于 Fable 5 的 63% 和 GPT-5.6 Sol 的 58%。

这说明，Kimi 能够将 视觉判断、产品理解、前端工程和多步执行结合得更完整，尤其适合 网站生成、数据看板、可视化研究和互动内容。体现在用户侧，就是用 Kimi 生成的网页综合审美更受到认可。

同时也反映出，中国开源模型在追赶美国闭源模型的速度上超出预期。此前，Anthropic CEO 达里奥曾判定，6-12 个月内，市面上将出现和 Fable5 同等能力的开原模型

图注：这段 36 秒的官方宣传视频由 K3 从 56 个源素材（Quellclips）中自主完成剪辑的。

新一代旗舰模型 Kimi K3 拥有 2.8 万亿总参数、原生视觉理解和 100 万 Token 上下文，官方将其核心场景概括为 长周期编程、知识工作和复杂推理。官方展示的能力评测结果也主要围绕这三个层面。

1）长周期编程

K3 在 Terminal Bench 2.1 取得 88.3 分，高于 Fable 5 的 84.6 分；Program Bench 为 77.8 分，高于 Fable 5 的 76.8 分；SWE Marathon 为 42 分，也高于 Fable 5 的 35 分。

在更强调真实代码仓库修复的 DeepSWE 和 FrontierSWE 中，K3 分别为 67.5 分和 81.2 分，仍落后于 Fable 5 的 70 分和 86.6 分。

2）Agent 与知识工作

K3 在 BrowseComp 达到 91.2 分，高于 Fable 5 的 88 分；Automation Bench 为 30.8 分，排名第一；SpreadsheetBench 2 为 34.8 分，同样略高于 Fable 5。

但在 Job Bench、Toolathlon 和 GDPval-AA v2 等复杂职业任务中，K3 仍有差距。

3）视觉理解与文档处理

K3 在 OmniDocBench 达到 91.1 分，高于 Fable 5 的 89.8 分；MMMU-Pro 为 81.6 分，略高于 Fable 5 的 81.2 分；但在 CharXiv、MathVision 以及工具增强后的视觉推理项目中，仍普遍落后于 Fable 5。

从上述结果也可以看出，K3 的优势集中在 终端操作、长周期执行、浏览研究、自动化和视觉化交付；短板则仍在 高难度仓库修复、复杂工具协调和部分深层视觉推理。

K3 能同时处理 图像与视频输入，调用自定义工具，动态加载工具，输出严格 JSON，并自动进行上下文缓存。模型始终开启思考模式，目前 只开放最高推理强度。但如果没有拿到提前测试账号，现在大概率得排队体验。

值得一提的是，Kimi 的多模态路线目前 更偏理解与推理，而非生成视频。

月之暗面联合创始人、算法团队负责人周昕宇今天就在 x 上回复网友，透露 Kimi 并不会跟进视频模型，团队现阶段更关注提升模型的智能上限，并认为“视频生成难以提升智能”。

周昕宇认为，视频生成虽然实用，但无论从理论还是实际效果看，对提升模型智能的帮助都不大。

从 K2.6 的 1T 参数到 K3 的 2.8T 参数，Kimi 一直践行 Scaling Law，不断突破全球开源模型的规模极限。Switch Transformer 早期证明，稀疏激活 可以将模型推向 万亿参数规模，同时尽量保持单次计算成本稳定。

但更大的模型意味着更高的计算成本，所以核心并非简单的“把模型做得更大”，而是同时 优化改造模型的容量、注意力和跨层信息流。

其中 K3 最激进的一步，就是把 MoE 的稀疏激活率推向了 1.79%（16/896）。

K3 拥有 2.8 万亿总参数，采用 Stable LatentMoE 架构，共设置 896 个路由专家，每次只调用 16 个。相比单纯扩大稠密模型，这种设计相当于建立一个更庞大的“能力库”，再根据 Token 内容动态选择少数专家处理。

事实上，极致稀疏路线是当前 MoE 架构的重要趋势。

对比来看，DeepSeek-V3 每层拥有 256 个路由专家，每个 Token 激活 8 个，另有共享专家，路由专家激活率约 3.13%；此前 GPT-4 版本采用 256 个专家、每次激活 7 个，专家激活率约 2.73%。

K3 则把专家池扩大到 896 个，但每次只选择 16 个，专家调用比例 1.79% 更低。所以说，更大的模型参数本质在追求的，其实是模型可以拥有远超单次计算规模的知识容量。

因为在相近的单 Token 计算预算下，极度稀疏的 MoE 架构，相比比中等规模的稠密模型，能容纳更多知识和技能，从而得到更高的能力上限。

但专家越多、调用比例越低，每一次错误路由造成的损失越大。这也对模型架构中的 负载均衡、路由稳定和跨卡通信 提出了更大挑战，月之暗面在技术博客中也明确了这一点。

对应的模型部署也会难度更大，包括路由质量、专家分工和芯片互联的要求会更苛刻。官方建议，K3 部署在至少 64 张加速卡组成的超节点 上，以提供更大的高带宽通信域。

在架构层面，Stable LatentMoE 负责模型容量和专家路由。Quantile Balancing 根据路由分数的分位数直接分配专家，试图减少传统负载均衡中对经验参数的依赖。

KDA（Kimi Delta Attention）则负责序列方向的信息流，通过混合线性注意力，为长序列提供更低成本的信息处理基础。

AttnRes 负责网络深度方向的信息流。它允许当前层有选择地检索此前层的表示，使超大模型能够更有效地利用深层网络。

整体而言，MoE 稀疏度、KDA（Kimi Delta Attention）、AttnRes 以及训练和数据配方共同改进，使得 K3 相较 K2 取得约 2.5 倍 的整体 Scaling 效率。

K3 的完整模型权重将于 2026 年 7 月 27 日前发布。关于架构、训练和评测的更多细节，将随 Kimi K3 技术报告一同公布。

性能卖点铺垫了这么久，最后到了价格环节，Kimi 也放弃了国产模型一贯主打性价比的低价策略，同样向国际顶尖模型看齐。

从 K2.6 到 K3，普通输入价格上涨至原来的约 3.16 倍，输出价格上涨至 3.75 倍，上下文则从 256K 扩大到 1M。与此同时，K3 始终开启思考模式，目前 仅提供最高推理强度；相比之下，K2.6 还允许用户关闭思考，以控制延迟和 Token 消耗。

可以看到，K3 的定价完全是对标 Claude Sonnet 5 来的，两者的标准价格均为 每百万 Token 输入 3 美元、输出 15 美元。

以 Sonnet 级价格，提供 Fable 级结果，仍然是极具性价比的。

但 Token 单价看齐，并不意味着真实任务成本也能看齐。

Artificial Analysis 的测试显示，K3 在综合评测中生成了约 1.3 亿输出 Token，约为同类模型中位数 6300 万的两倍；输出速度约为 62 Token/s，低于约 72 Token/s 的同类中位水平。

换句话说，K3 即便与 Sonnet 5 拥有相同的 Token 单价，如果为了完成同一项工作思考更久、输出更多，实际任务成本和等待时间仍可能更高。

因为价目表只能显示开发者每个 Token 多少钱，真正决定是否划算的，还是完成一次任务究竟消耗多少 Token、需要多少次重试。

真正让国内开发者感到肉疼的，还有 K3 对比 DeepSeek V4 的价格差距。特别是缓存命中价格，Kimi K3 将近 DeepSeek V4 Pro 的一百倍。

有网友按照输入、输出和缓存命中比例完全不变的情况测算，从 DeepSeek V4 Pro 切换到 Kimi K3 后，同一工作负载的消费额 可能从 3.5 上涨至 61，整体成本扩大约 17.3 倍。

而且这还只是基于 Token 数量不变的静态估算。实际上，K3 目前只能使用最高推理强度，思维链通常更长，因此即使缓存命中率较高，真实任务成本仍可能明显高于 DeepSeek。

这种成本结构，也映射到了产品的使用门槛上。按照当前产品规则，用户若要完整体验 Kimi K3 的百万 Token 上下文，需要购买 699 元的包月会员。

结合月之暗面当前的商业进程来看这场提价的必要性，会更清晰。

公开数据显示，月之暗面的年化经常性收入在 2026 年 4 月超过 2 亿美元。公司在 5 月完成约 20 亿美元融资，估值超过 200 亿美元；目前正在寻求 以约 300 亿美元估值融资 20 亿美 元，为潜在 香港上市 做准备。

到了这个阶段，Kimi 需要证明的已经不只是模型能不能登顶榜单，也包括能力能否转化成收入，收入能否进一步转化成可持续的毛利