Kimi K3，综合能力直接飞跃进第一梯队！

API价格暴涨3.7倍，也进入第一梯队……

同样100万输出token，Kimi K3是DeepSeek-V4 Pro高峰期价格的8倍。

当然对比Claude Fable还是便宜的，输出价格是Fable的30%。

那么，Kimi K3作为全球第一个开源的3T级别大模型，值不值？

前端碾压，竞技场七项六冠

讨论度最高，也最直观的是前端能力。

在Frontend Code Arena排名第一，大幅领先Fable 5。

在七个细分领域中，K3拿下了品牌营销、参考图设计、数据分析、消费产品、模拟和内容创作工具六项第一，仅在游戏类排名第二。

有人用Agent集群模式复刻MacOS 27界面，花了约6个小时完成。

得到的不仅是一个界面，而是除了浏览器和电话等其他功能都能用的网页版操作系统

设计机械手模拟器与Fable 5对比，画面更精美，功能也更全

可以基于Three.js和Web GPU计算构建一个完全程序化的基于浏览器的3D游戏

发布公告称Kimi K3实现了vision in the loop工作流，与一次性输出代码的传统模式有本质区别。

模型在生成代码后可以直接查看实时运行截图，识别其中的布局、色彩和层级问题，再修改代码、再截图，如此反复迭代。

K3的100万token上下文窗口在前端工程中也有实际价值，可以一次性纳入大量组件文件、类型定义、设计规范和项目文档，配合其长程agent能力处理大型前端仓库的维护和跨文件功能开发。

不过也有人反馈K3前端生成速度较慢，一个复杂任务耗时20分钟到一个小时，比Fable5要慢，但更省钱。

48小时自主设计芯片，从零写出GPU编译器

编程也是K3最拿得出手的能力之一。

在DeepSWE上拿到67.5分（Fable 5为70.0，Sol为73.0），Program Bench上77.8分略超Fable 5的76.8，SWE Marathon上42.0分则是所有模型中的最高分。

在GPU kernel优化任务中，团队给每个模型一个相同的沙盒环境和最多24小时的时间，让它们独立完成AttnRes、KDA和512头维度MLA kernel在NVIDIA H200上的性能优化。

K3在AttnRes任务中设计了一种新的两阶段kernel算法，将前向 反向时间从283.6ms压缩到114.4ms，达到了与Fable 5相当的水平，且每轮迭代的优化速度更快

在MLA-512 kernel从零编写任务中，K3的kernel在前向 反向上达到517.8 TFLOPS，超过了H200理论BF16峰值的一半，领先第二名的492.7 TFLOPS

更夸张的是，K3从零构建了一个名为MiniTriton的GPU编译器，包含自己的tile级IR层、优化pass和PTX代码生成管线，在roofline基准测试中性能持平甚至超越Triton和torch.compile，并能支撑完整的nanoGPT训练收敛

在芯片设计测试中，K3在48小时的自主运行中，用开源EDA工具在Nangate 45nm工艺库上完成了一颗芯片的设计、优化和验证。

4平方毫米内塞进了146万标准单元和0.277MB SRAM，100MHz频率下解码吞吐超过8700 tokens/s。团队称这是“由模型设计的芯片，为模型服务的芯片”

在K3开发的后期阶段，团队大部分kernel优化工作已经交由K3的早期版本来完成。

两项核心创新撑起2.8T规模

Kimi K3的架构基于两项自研技术：

Kimi Delta Attention（KDA），超长序列上的注意力计算提供高效基础。

Attention Residuals（AttnRes），让模型在深度方向上选择性地检索表征，而不是逐层均匀累积

在稀疏激活方面，K3使用了Stable LatentMoE框架，总共896个专家中仅激活16个。

为了在如此极端的稀疏度下保持训练稳定，团队引入了Quantile Balancing来替代启发式的专家均衡策略，用Per-Head Muon让注意力头独立优化，再加上Sigmoid Tanh Unit（SiTU）和Gated MLA分别改善激活控制和注意力选择性。

这些技术加在一起，让K3相较于上一代K2实现了约2.5倍的整体scaling效率提升。

训练侧，K3从SFT阶段开始就采用量化感知训练，使用MXFP4权重配合MXFP8激活，以兼容更广泛的硬件。

推理侧，团队为KDA实现了前缀缓存方案并贡献给了vLLM社区，使得K3在编程负载下缓存命中率超过90%。

团队同时列出了三项已知局限：

K3在”保留思考历史”模式下训练，如果agent框架未能正确回传历史思考内容，或在其他模型的会话中途切换到K3，生成质量可能会高度不稳定；

K3的训练特别强调长周期高难度任务，遇到小问题或模糊意图时可能擅自做出超出预期的决定；

尽管整体表现极具竞争力，K3在用户体验层面与Claude Fable 5和GPT 5.6 Sol仍有明显差距。

过去12个月中有9个月，Kimi模型都保持着开源模型的参数规模上限。

现在这个天花板被顶到了2.8万亿