Kimi正式发布2.8万亿大模型K3，这是属于我们的荣光。|kimi|sol|兰伯特|小粉|小红书

今天凌晨，Kimi K3，终于正式跟大家见面了。

2.8万亿参数，百万上下文。

而且，官宣7月27号，全面开源。

没啥可说的，让我们此刻一起欢呼吧。

月之暗面昨天下午就发了预告，而且有趣的是，致敬的是Claude Fable 5的拍摄技巧，这基本也暗示，在他们心中，这是一个能证明自己、将整个月之暗面，带向新一个时代的模型。

如果说智谱是做后训练的神，把GLM-5系列带到了一个全新的高度。

那在我心中，其实国内做预训练的扛把子，一直都是Kimi。

而且一直都是大参数的代表。

K2是几个月前国内第一个把模型推到1T级别的。

过去还有很多人说，大模型的Scaling Law要见顶了，要失效了。

可如今发现我们发现，大依然就是好，大依然就是牛逼，大依然就是智能。

就像我至今依然觉得Claude Opus 4.6是我心中最水桶级别的白月光，写作创意认知Agent代码能力都极强，因为那可是个5T的模型啊。

后面Opus 4.7和4.8就强化学习一路强化歪了，Coding能力确实提升了，但是创意和规划能力拉完了，非常明显的一路下滑，口碑一路崩塌。。。

至于现在最牛逼的Claude Fable 5的参数量，目前没人知道，但是跟一些朋友讨论和猜测，可能到了10T级别，因为现在Grok内部训得最高参数量的模型也是10T级别，感觉应该差不多。。。

再把眼光放回到国内，Kimi之后，DeepSeek V4 pro和美团的LongCat 2.0也都迈入了万亿级别，逐渐的，万亿参数模型，已经快成了标配。

而今天，Kimi K3来了。

这一次，他们把模型的参数量推到了2.8T级别，这是国内的第一个3万亿参数级别的模型，而且更是全世界，第一个面向所有人开源的3万亿参数级别的模型。

开心，为Kimi感到自豪。

老规矩，再看下Kimi K3的跑分。

先看AA给的智能分数，Kimi K3来到了第三，仅次于Fable 5和GPT-5.6 Sol，超过了其他所有的模型。

这一下，kimi代替Google，成为新一代御三家了。。。

然后再看Coding。

也正好趁着这个机会，我想用这些评测集来结合我的体感，简单给大家看看一个模型的性格和特点怎么理解。

每个模型其实都是有自己擅长和不擅长的，强如Falble 5，其实也有短板，只不过它的短板的高度，比很多模型的长板甚至还要长。

先说Coding这块，一共六个评测，其实我们可以把它们分成两类来看。

第一类，我自己喜欢叫它精准执行型评测，大概就是测模型能不能精确地完成一个明确的任务，不多不少，不漏不错。

你可以理解成老板给你一个非常明确的任务清单，上面写得清清楚楚要改什么。这种任务考验的就是精准度和执行力，你得理解需求、定位问题、精准修改、不引入新bug。

DeepSWE和Terminal Bench 2.1这两个就是比较典型的，一个更偏纯执行，一个更偏综合性的执行。

GPT-5.6 Sol在这两个评测中都拿到了第一，它在需求理解、环境操作、调试收敛和最终交付方面确实就是最稳的，跟我日常使用的体感是一致的。

至于Opus 4.8，幻觉率太高，我骂了很多回了，这个位置跟我体感也是一致。

而Kimi K3，在执行的精准度上，在DeepSWE上仅次于Claude Fable 5和GPT 5.6 Sol，而在Terminal Bench 2.1上，甚至拿到了第二名。

第二类评测就反过来了，我叫它方案规划型。

比如FrontierSWE，这个测的是前沿级别的、特别难的软件工程问题，需要创造性思考、深度理解复杂系统才能解决的问题。

Fable 5基本没啥可说的，断崖式领先所有的，GPT系列大家都知道创新型任务还有方案设计做的一直都很差，比Fable 5差了很多，是GPT系列的短板，但是这个最短的板，而这次，Kimi K3直接一脚插在了Fable 5和GPT-5.6 Sol之间。

从这个就可以看出来Kimi K3的定位了，可以说非常的中庸之道。

也就是各方面都不错，一个非常全面的水桶模型，在每一个领域里，虽然都打不过那个最强的，但是总能排到第二或者第三。

坦诚的讲，这样的水桶模型，在日常使用中，反而体验感可能会更好一些，我现在经常就是Fable 5和GPT-5.6 Sol来回切换，一边做方案，一边做执行，确实是目前最强组合，但是也麻烦啊。。。

更别提国内，有多少人用不上Fable 5的了。

海外还有人说，Kimi又是靠蒸馏啥的，但是讲道理，这个级别已经不是蒸馏能蒸出来的了。

兰伯特都看不下了，直接是这么怼的。。。

我觉得非常有代表意义。

再来看很多人更看重的Agent能力，这个玩意主要跟Work强相关。

BrowseComp，测的是在浏览器环境下的复杂信息理解和处理，其实就是深度研究。你可以理解成“给模型一个浏览器，让它自己去网上找信息、理解内容、完成任务”，K3拿了91.2，全场第一，GPT-5.6 Sol以90.4紧随其后，Fable 5是88.0。

这个是kimi一贯的拿手好戏了，用过Kimi集群的应该都感受过它的威力。

Automation Bench，测的是自动化任务的执行能力，把一系列操作串起来自动完成，K3也是第一，30.8。SpreadsheetBench 2，测的是电子表格处理能力，各种公式、数据清洗、报表生成，K3还是第一，34.8，Fable 5以34.7紧随其后。

然后是接下来的三个综合类的Agent任务。

AA-Briefcase Elo，这个是综合性的Agent能力Elo评分，包含了各种办公场景的任务，K3的1548排第二，仅次于Fable 5的1583。

JobBench，测的是完成具体工作任务的能力，K3的52.9也是第二，同样仅次于Fable 5。

GDPval-AA v2 Elo，这是另一个综合Agent评分体系。Fable 5以1760排第一，GPT-5.6 Sol以1748紧随其后，K3是1668排第三，这是少数K3排在GPT-5.6 Sol后面的评测之一，但差距已经很小了。

从这几个综合类Agent的评测可以看出，在整体能力上，基本都还是比Fable 5差一些，跟GPT-5.6 Sol差不太多，互有胜负。

多模态这块也得提一嘴。

Kimi的多模态是国内做的非常好的，在这方面，基本也就仅次于Falbe 5，Fable 5还是太强了。

突然有点自豪的感觉，以前我们说，国内的模型，跟Opus 4.7甚至都不说4.8掰掰手腕，大家都觉得你是个牛逼的大货。

到了今天，我们发现，一个国产的模型，居然能跟GPT-5.6 Sol掰掰手腕了，好像Fable 5的背影，也没有那么遥远了。

当然，GPT-5.6 Sol有它自己的特性在，这毕竟还是老模型强化的，不是新一代的预训练模型搞出来的，Fable 5和Kimi k3都是全新的重做了预训练的模型，鬼知道GPT-6出来的时候，会强的有多离谱。

我觉得如果你之前没办法用Claude，也没办法用GPT，只能用国内模型，那我今天非常推荐你开始用Kimi K3来处理你的所有工作，感受一下全新的3万亿级别的新一代模型的智力。

同时，我对国内的算力水平也不抱有任何期望，这种参数的模型，我觉得对Kimi来说，推理成本也是个巨大的挑战。

所以我觉得，趁着现在，可以抓紧买个Kimi的Coding Plan，我感觉后面会跟GLM一样买不到了。。。

坦诚的讲，国内的模型我付费的很少，这次的Kimi K3真的也是我为数不多的先氪为敬的一个模型了。

我是699的会员，跑了一夜，各种测试任务还有多Agent的真实环境的开发，烧了这么多Token，大家可以参考下。

在实测上，我觉得也是让我没有失望的。

我自己的体验上，几乎跟Kimi发出来的跑分体感一致，是一个综合型的模型，每个地方都还不错，可能达不到Fable 5经常给你的那种神之一手的感觉，但是也是可以把项目和规划放心的交给他。

这次的测试上，我也没有用Claude Code，因为我觉得，在当今的时代里，你的模型配上一个harness框架，才是一个完整的产品，而且你自家的模型，配上自己的框架，肯定才是最适配的。

所以我这次直接用的Kimi Code来跑的Kimi K3。

这里插一句，Kimi Code其实也是有图形界面版的，只不过他们还没做类似Codex的那种客户端，现在还只是一个web版。

想打开这个界面也特别简单，直接在终端里输入kimi web就能启动。

主要是当你用习惯Claude和Codex的客户端之后，我真的不想再用CLI界面了，怎么用怎么别扭= =

这次Kimi K3，还有个比较大的更新，就是上下文长度终于来到了100万。

这个还是比较爽的，100万现在基本也都是大家的标配了。

我让它做的第一个事情，就是我发现，不知道为啥AIHOT没有抓到Kimi K3发布的blog，所以就让Kimi K3修一下，没有抓到自己的问题，看看BUG出在哪里。。。

这种感觉，又何尝不是一种NTR呢。

发过去之后，它就立马去找了。

接着发现了原因，是Kimi自己的官方Blog又改版了，而且就是前两天的事。

emmmmm，然后发现我们的告警是14天断流才告警，K3果断给我改成了3天，然后把那个Blog给修复了一下，3分钟修复完，正确出现在了AIHOT上。

然后还有一个复杂点的任务，是根据用户的反馈，来优化我的AIHOT。

我的飞书每天会把用户在AIHOT上提报的反馈推给我，比如就像这样。

每个反馈都有一个序号，我一般都会每天过一遍，然后把说的对的，扔给Agent来去修。

这两天正好有点忙，攒了一批，我就一次性，全部扔给Kimi Code了。

这个事你说简单也简单，说复杂吧也复杂，有将近10个任务，每个任务其实差异挺大的，基本都不搭嘎。

而且你还需要有一定的方案设计能力，还有判断能力，并不是用户说啥都是对的，而且也比较看长程和多Agent的规划能力。

我就直接发给它了。

然后，他就读了我的运维文档，找到了我的服务器链接方式，连上去，看到了用户的反馈。

然后，给自己列了7个待办。

开启了8个Agent，开始研究。

有一说一，Kimi的审美是真的好，这个Kimi Code的UI展示，我是真的喜欢，非常清晰+一目了然。

研究完以后，发现只有7个值得做，然后，又开了7个工作区开了7路Agent去进行执行。

在开发了大概1个半小时之后，所有的任务全部开发完毕，提了PR过了CI，合并到了主分支里。

2个小时以后，全部做完了。

我看了一眼邮件，是真的都用我的飞书邮箱都给我发出去了。。。

完成的非常好，流程全部做完，没有任何BUG，该完成的也都完成了，不该完成的两个任务，也给我做了说明。

除了执行上，在方案设计上，我也把K3的方案和GPT-5.6 Sol的方案扔给Fable 5去评选，测了几个任务，跟GPT-5.6 Sol大概是55开的级别，思考的维度和方面确实都是有差异的。

比如这个服务器性能优化的任务，最终Fable 5虽然选的是方案二也就是Kimi K3的方案，但是发现GPT的方案里也有Kimi 没考虑到的，大家都差不多，最终都还是得合并一下效果才是最好的。

不过我在测试过程中，也遇到了一个小差距，就是K3有一个细节问题没考虑到，但是正常过了CI上了线，导致AIHOT出现了将近1个小时的没有任何新资讯进站。。。

这个细节也特别简单，就是我在让它做热点榜单，背后加了大概500个热点信源，这些热点信源你可以理解为是我们线上现在监控200多个精选信源的气氛组，就看什么事件被讨论的最多的，从而评选出当前热点。

K3非常勤勤恳恳的做完了所有的任务，推了PR，过了CI，部署上线了。

但是呢，我们网站的系统是有性能限制的，一个信息进来，要经过结构化处理 - 实体提取 - 预筛 - 正文清洗 - 精选评分 - 向量化处理 - 事件聚簇 - AI摘要等等等等，中间光大模型的调用就有好几次，所以是有队列这么一说的，我们同时并发最多是处理6个资讯，一般一个资讯也就20、30秒就处理完了，平时我们是完全没有问题的。

K3开发完了热点之后，直接一次性把那500个热点信源也按我们过去新监控信源的规则进行回补，直接怼了9000条信息进来，于是直接把AIHOT的信息处理队列给堵满了，后续进来的所有精选信息都在这9000条后面排队，于是，就变成了AIHOT将近1个小时没有任何抓取。。。

就这么一个队列并发没有考虑到的事，但是背后的本质折射的确实我们现在的并发处理不了500条以上的新闻信源，所以这个方案必须要推倒重来，不能这么设计，这就是现在很多模型，在做方案设计的局限。

不过这种事，我觉得除了Fable 5之外，感觉其他的模型都很难考虑的非常全面，GPT-5.6 Sol我试了下，也完全没有考虑到。

不过整体来说，在我这几个小时的体验上，在开发的精准性和完整性上，还是符合我的预期的，国内最佳，没有之一。

而前端任务上，基本就是Kimi最擅长的舒适区了，Kimi这家公司，一直以来的审美就是真的很强，再加上Kimi自身的多模态能力，这一次K3在前端效果上，又迎来了一波飞跃。

这里我先必须给大家看两个，官方的前端Show Case，秀麻了。

这两个视频看完，我觉得都不需要我用言语来解释什么了，空间理解能力实在是太强了。

而且在平面的审美上，效果也很好。

我也用Kimi K3复刻了几个最近很火的前端效果，可以说，在One Shot提示上，我个人觉得，作品的完成度和审美程度，是仅次于Fable 5的。

比如最近推特上有个作品特别特别特别火，就是一个建筑的屋檐，下面挂着密密麻麻的竖排文字线绳，像珠帘一样自然垂下来，你鼠标划过去或者手指拨过去，字体会像门帘一样被拨动摇摆。