7 月 16 日晚，在放出了一支很艺术的预告片之后，月之暗面正式上线了 Kimi K3。这款混合专家模型拥有 2.8 万亿参数、100 万 token 上下文窗口和原生视觉理解能力，是 Kimi 迄今规模最大、能力最强的模型。
不过在官方发布前，K3 已经以另一种方式出名了：一款名为“Kivine”的匿名模型这几天出现在 Arena，连续几天产出高完成度的网页、3D 场景和小游戏，许多测试者直接把它称为“Fable 级”。
Kivine 当时并未公开身份。外界根据模型特点、表现和月之暗面此前的匿名测试习惯，推测它是 K3 的预览版本。7 月 15 日，一名用户用相同提示词让它和 Claude Fable 5 制作宇宙模拟器。Fable 5 完成得更快，界面控件也更稳定；Kivine 搭建的场景则更加复杂，加入了丰富的天体细节和第一人称视角，视觉冲击力更强。这段对比很快在 X 上传开，也形成了外界对 K3 的第一印象：速度未必占优，却经常主动把任务做得更充分。
此后的测试大多延续了这一特点。在一项与 GPT-5.6 Sol 对照的“体素版死星战壕”测试中，原提示词只要求制作静态世界，Kivine 最终交付的却是一个可以实时运行的动画场景。在樱花盆景测试中，它生成了扭曲的树干和层次分明的树冠，提示词遵循和细节完成度获得测试者好评。还有用户让它用 Three.js 一次生成战争场景，模型直接搭出了带有镜头运动和交互元素的网页。
另一名用户要求 Kivine 制作一款《我的世界》风格的游戏，场景中需要包含中世纪城堡、森林和花丛。模型最终做成了一款限时寻宝游戏，还加入了环境音效、光影和手机端虚拟摇杆；作为对照的 Claude Opus 4.7，则生成了一款完成度相对简单的上帝视角方块游戏。另一次前端测试中，Kivine 的输出被用户评价为同一提示词下见过的最好结果之一，生成过程却耗时约 35 分钟，甚至慢于 Fable 5。
K3 正式上线后，笔者也做了一轮简单的横向测试，要求不同模型制作一款“跷跷板台球”游戏。GPT-5.6 Sol（极高）用时不到 10 分钟，便实现了要求中的全部效果。Fable 5 Extra 在约 15 分钟时已经生成可用预览，但后续修改破坏了原有交互，台球变得无法拖动。Opus 4.8（Ultracode） 用约 20 分钟完成任务，整体功能齐全（相比其他模型没有做出台球编号），但存在明显 bug：白球会卡在球桌边缘，无法再次点击。
Kimi K3 Max 同样用时约 20 分钟。它不是这次测试中速度最快的模型，最终版本的完成度却最高：主要功能正常，未出现上述交互故障，还额外加入了球体碰撞音效甚至动效。
不过，这些案例仍属于零散的用户测试。提示词数量有限，任务主要集中在前端和游戏生成，Arena 的随机配对也让横向比较很难严格控制变量。漂亮的单次输出可以展示能力上限，却无法回答稳定性、成本和多轮任务成功率。K3 经常主动扩大任务范围，也会拉长生成时间，并可能增加后续修改和收敛的难度。
从月之暗面公布的评测结果来看，K3 的整体表现也已经接近当前最强的一批模型，“仅次于 Claude Fable 5 和 GPT-5.6 Sol”。在面向真实职业任务的 GDPval-AA v2 中，K3 获得 1687 分，排在 Claude Fable 5 Max 和 GPT-5.6 Sol Max 之后，高于 Claude Opus 4.8 Max 的 1600 分。
在长周期智能体知识工作测试 AA-Briefcase 中，K3 得分为 1527，位列第二，超过 GPT-5.6 Sol Max 的 1495 分。K3 还在 BrowseComp 信息检索测试中获得 91.2 分；按照月之暗面的说法，这项成绩由单个智能体完成，没有使用上下文压缩或额外的上下文管理技术。
K3 的能力方向也与它在 Arena 上走红的案例基本吻合。模型共有 896 个专家，每次推理只激活其中 16 个，并采用 Kimi Delta Attention 混合线性注意力机制和 Attention Residuals。月之暗面称，这些设计让 K3 的整体扩展效率达到 K2 的约 2.5 倍。它能够读取大型代码库、操作终端和调用工具，再根据截图、日志、测试结果及运行状态继续修改代码，主要面向前端、游戏、计算机辅助设计和长周期知识工作。
K3 目前已经通过 API 开放，完整模型权重将在未来几天发布，技术报告也即将公布。
参考资料：
1. https://platform.kimi.ai/docs/guide/kimi-k3-quickstart
2. https://www.testingcatalog.com/early-look-at-kimi-k3-generations-from-moonshot-ai-on-arena/
热门跟贴