冲击全球市场的Kimi K3，到底有多强？|kimi|一代版本模型|埃隆_马斯克|游戏

震动美股的Kimi K3，到底有多强？

实测的这几天，我们用K3复现了券商研报、搭建了实时选题监控系统，甚至用一段提示词和一张参考截图做出了一个有六种3D鱼类的“大鱼吃小鱼”游戏。

但这些，可能还没发挥出K3真正的水平——

有人用它在2小时内完成了一项通常需要天体物理研究员两周的计算，期间还发现了已发表论文中的公式问题。有人让它连续自主运行48小时，用开源EDA工具独立完成了一颗芯片的设计和验证。还有人三轮对话做出了一个可玩的CS:GO克隆，总成本只花了3美元稍稍出头。

7月17日，月之暗面发布Kimi K3。2.8万亿参数，原生视觉理解，100万token上下文窗口。完整权重将于7月27日开放下载，届时它将成为全球参数量最大的开源权重模型。

Arena AI前端代码竞技场，K3以1679分登顶全球第一，超过Claude Fable 5的1631分和GPT-5.6 Sol的1618分。

值得一提的是，这张榜和实验室里跑出来的分数不同。它用的是Elo对战机制，和国际象棋排名同一套逻辑：真实开发者提交真实的前端编程任务，两个匿名模型各交一份代码，开发者盲选更好的那个。投票的人，不知道自己在给谁投票。由于模型身份被隐藏，这类盲测能削弱品牌印象对投票的影响，比厂商自报的榜单更接近真实用户偏好。

而Kimi K3，首秀即登顶，胜率达到了76%，领先Fable 5整整48分。品牌营销、参考设计、数据分析、消费产品、模拟、内容创作、游戏这七个细分方向中，K3拿下六个第一，仅游戏类排名稍稍落后于Fable 5。

Vercel创始人Guillermo Rauch同样确认，K3在Next.js工程评测中排名第一，并称这是"首次有开源模型超越全部闭源模型"；马斯克看完评了一个词：Impressive；摩根士丹利、高盛、Bernstein等国际顶尖投行用完连发数篇研报，从各个角度"花式夸夸"。

那么，Kimi K3的真实表现到底是夯了还是拉了？不妨从我们的一手实测说起。

一手实测：很强，还很有审美

我们给K3的第一个任务不是写段代码或画个界面，而是读懂一份60多页的券商宏观深度报告，然后把里面描述的研究方法论复现成一套可运行的系统，看看它能不能帮诸多金融从业者解决高频的“研报复现”工作。

复现一份研报的完整方法论

恰好，我们在刷研报的时候看到了一篇需要"四角色线性流水线"复盘报告生产体系：新闻收集员从华尔街见闻等源采集事件，数据底稿工程师校验14个Sheet的完整性和数据口径，研报撰写员只读底稿生成复盘报告，合规审查员执行七项审查并拥有最终否决权。四个角色依次执行，前一个不完成后一个不启动。

K3读完PDF后，按照我们的要求先输出了需求分析和产品设计文档，然后自行拆出两条并行开发线分头推进。

最终，kimi交付了一整套Python工程：四个Agent角色、十多个专业工具（双源新闻采集、四维度事件分类与双重去重、底稿校验与口径同步、月度复盘撰写、三情景展望框架、合规七项审查），以及一个可本地运行的Web服务和配套的自动化测试。

我们用黄金ETF 2026年5月的案例跑了一遍完整流水线。结果显示，系统从2233+865条原始新闻中筛选出76条底稿事件（资产配置23、货币16、避险28、商品9），生成了一份带走势三段式复盘、事件逐条点评和三情景概率展望的月度报告。数据口径与研报原文对齐，合规审查七项全部通过。

一份PDF进去，一套可运行的研究体系出来。对于这类需要同时理解金融逻辑、系统架构和工程实现的复合型任务，K3展现出的理解深度超出了我们的预期。

一段提示词做一个3D游戏

我们给K3下了一段提示词，附了一张游戏操作面板的参考截图，让它做一个3D海底世界的"大鱼吃小鱼"游戏。

K3的做法是先拆后合。它自行拆出两条并行工作线——一条负责海底场景和UI，另一条负责鱼类模型和玩法逻辑——分头开发，然后合并集成。

最终，kimi交出来的是一个完整度很高的3D网页游戏作品：6种程序化生成的鱼类（从小丑鱼到鲨鱼，每种有独立的体型、配色和游动行为），玩家操控一只虎鲸在海底吞噬比自己小的鱼，躲避大鱼，不断升级。HUD采用毛玻璃面板设计，配色是低饱和的海洋蓝绿色调，左上角血条、能量条、等级进度，右下角技能按钮，甚至做了移动端虚拟摇杆适配和非常精致的音效。

代码写完后，K3还会拉起运行画面的截图，根据视觉缺陷反复修改，直到画面正常、可以流畅游玩。这种能力，被Kimi官方称为vision in the loop。

坦白讲，拿到这个游戏的时候我们是有点吃惊的。不是因为"AI能做游戏"——这件事去年就有人演示过了——而是它交出来的东西有审美、有完成度，不像是AI临时拼凑的demo，倒更像是一个有设计意识的小团队花几天打磨出来的原型。

审美，可能是K3最被低估的能力

以上这些案例验证的是K3的工程能力。但在实测过程中，反复给我们留下印象的还有另一件事：它做出来的东西，和宣发视频一样高级，一样有审美。

使用K3的这些天里，我们用它制作了非常多高级、有质感的网站前端。社区里更有人做了一个黑洞引力透镜的交互可视化页面、有人仅用一段参考视频让K3复刻了出了精致细腻的Blender资产，效果精致到让不少从业者感叹"这个模型是不是偷偷读了个艺术硕士"。

甚至能用它设计芯片

我们体验的主要是金融、媒体等领域的日常开发场景，而全球社区诸多大神们，把K3带去了更顶尖的领域——科研、芯片设计、编译器...这些对顶级闭源模型都非常有挑战性的领域。

科技记者Max Weinbach让K3 Agent集群在浏览器中重建了macOS 27的Liquid Glass界面。3小时自主执行后，产出了一个完整的浏览器版macOS：所有按钮可点击，内置Chess游戏实际可玩，低电量模式甚至会降低屏幕亮度。

还有一位开发者做了件更有想象力的事：他没有让K3做一个游戏，而是让K3做了一台“游戏机”——含卡带插槽、物理按键，插入一盘电子《逆转裁判》风格的卡带就能玩，风格极其逼真。

成本方面，独立评测平台TestingCatalog实测K3与Fable 5做同一款游戏：K3花费$3.11，Fable 5花费$12.23，约为后者的四分之一。

还有个开发者仅用三轮对话就生成了一个可玩的CS:GO克隆，总API成本仅3.24美元，约23元人民币。对比来看，同类任务在Fable 5上要花约9美元。

官方展示的案例同样令人印象深刻：K3从零搭建了一套完整的GPU编译器MiniTriton，性能在基准测试中持平甚至超过了Triton和torch.compile；连续自主运行48小时，独立完成了一颗芯片从设计到验证的全流程。

甚至，在K3开发后期，月之暗面团队把大部分kernel优化工作交给了K3的早期版本——没错，这个顶级AI在优化自己。值得一提的是，K3发布不到48小时，月之暗面就因爆火“断供”。由于用户涌入量远超预估，集群负载直接逼近极限，7月19日，公司宣布主动暂停C端新用户订阅，将全部算力优先保障已订阅用户体验，同时紧急推进扩容。

2.8万亿巨兽和它的设计哲学

模型做到2.8万亿参数，难的不是参数本身，是信息如何在这个规模下不丢、不乱、不慢。K3在架构上做了两件事。

第一件是Kimi Delta Attention（KDA），解决长度问题。传统注意力机制处理长文本时，每遇到新内容都要回头查阅全部原文，文本越长计算代价越大。KDA的做法是边读边记笔记：新信息写进去，不再重要的逐渐淡化，多数时候查笔记就够，必要时再翻原文。这让K3在百万token上下文窗口下的解码速度提升了6.3倍。

第二件是Attention Residuals（AttnRes），解决深度问题。模型内部上百层，信息逐层向后传递。传统做法相当于接力改稿，每个编辑只看上一版，改了上百轮后早期的关键判断很容易被淹没。AttnRes让后面的层可以有选择地直接检索前面各层的信息，按需取用。

两项技术配合Stable LatentMoE框架（总共896个专家，每次仅激活16个），K3整体扩展效率比上一代K2提升了约2.5倍。

三家投行连夜发研报

K3发布不到24小时，反响已经从技术社区蔓延到了资本市场。

PyTorch联合创始人Soumith Chintala称K3为"世界级模型"。前美国AI政策顾问Sriram Krishnan评价这是"对整个行业有重大影响的时刻"。Stability AI创始人Emad Mostaque更直接："美国实验室最终会蒸馏中国模型。"杨植麟的博士生导师、CMU机器学习教授Russ Salakhutdinov发帖称K3"为开源社区带来了重大突破"。

资本市场上，三家投行的观点也很有看点。

摩根士丹利在7月17日研报中，将K3定位为中国LLM"在模型规模、性能和定价上全面追赶美国领导者"的信号。大摩特别指出："我们不认为K3是一夜奇迹，而是中国AI产业累积进步的结果。"报告同时预期，下半年将有更多2到5万亿参数的中国模型发布。

高盛7月18日的研报用了一个更大的判断：中国AI开源模型"正在达到全球扩散的智能临界点"。K3把API定价抬到了中国模型中最高的水平（混合约$2.3/百万token），但仍只有Claude Fable 5的约三分之一。在高盛的框架中，评估AI模型公司竞争力的三个核心指标是定价权、成本效率和财务实力，K3在前两项上给出了新的标杆。

高盛在随后的报告中分析称，DeepSeek代表成本效率，Kimi K3代表新的能力前沿和定价权。该机构表示，K3的API定价已是中国模型中最高的水平（混合约$2.3/百万token），仍只有Claude Fable 5的约三分之一，但彻底告别了过去的"白菜价"模式。高盛认为，中国开源模型的智能水平正在达到面向全球扩散的临界点：过去靠性价比入场，下一阶段，可能凭借前沿能力进入全球开发者的核心工作流。