月之暗面发布 Kimi K3：2.8 万亿参数开源模型，性能超越多数竞品

中国AI实验室Moonshot AI今天早上发布了Kimi K3，称其为“迄今为止最强模型，拥有2.8万亿参数”。目前可通过其网站和API使用，但承诺在“2026年7月27日”前开放权重发布。

Moonshot称这是首个“开放3T级模型”（我猜他们是将2.8万亿四舍五入到3万亿），从DeepSeek的1.6T v4 Pro手中夺得桂冠。他们的自报基准测试显示，K3大部分击败了Claude Opus 4.8 max和GPT-5.5 high，但输给了Claude Fable 5和GPT-5.6 Sol。

以下是来自Artificial Analysis报告中关于该模型的一些亮点：

• “在我们私有的长期知识工作评估中，Kimi K3的总Elo达到1547，比Kimi K2.6高出732分，仅次于Claude Fable 5。”
• “每任务成本（$0.94）与GPT-5.6 Sol（$1.04）相近，约为Opus 4.8（$1.80）的一半，但高于开放权重同类产品”
• “Kimi K3在Artificial Analysis Intelligence Index上的token使用量显著下降，输出token比K2.6少了21%。”

该模型现在也是Arena.ai的Frontend Code arena上领先的模型，甚至超过了Claude Fable 5。

新模型的价格引人注目：每百万输入token $3，每百万输出token $15，使其与Anthropic的Claude Sonnet系列处于同一水平，并成为迄今为止中国AI实验室发布的最昂贵模型。相比他们早期的模型如Kimi K2.6（价格为$0.95/$4）有了大幅提升。2.8万亿参数也是那个1T模型的两倍多。

但是它在鹈鹕测试中表现如何？

我使用OpenRouter（以避免注册Moonshot API密钥）和llm-openrouter插件生成了一个骑自行车的鹈鹕的SVG：

llm -m openrouter/moonshotai/kimi-k3 'Generate an SVG of a pelican riding a bicycle'

这是转录内容。它看起来是这样的：

那个鹈鹕测试使用了95个输入token和16,658个输出token（其中13,241个是推理token），总成本为25美分！

由于K3接受图像输入，我将上面生成的SVG输入给它（使用我的alt文本提示），得到了（花费0.6美分）：

卡通插图：一只白色鹈鹕戴着红色围巾，沿着一条带有白色虚线的灰色道路骑红色自行车；鹈鹕有橙色的大喙和带蹼的橙色脚在蹬踏板，身后有白色运动线条；背景是浅蓝色天空缀着白云，黄色太阳，两只黑色小鸟飞翔，前景是绿色草地和白色小野花。

我们能从鹈鹕中学到什么？

我的生成一个骑自行车的鹈鹕的SVG测试现在已经21个月了。它从来都不是一个特别好的基准测试。起初它只是一个关于比较这些模型有多么荒谬困难的玩笑，但在第一年里，它却与模型的实际表现有了惊人的相关性。

这种联系现已基本断裂。GPT-5.6和Claude Fable 5的鹈鹕测试结果已被GLM-5.2超越，尽管我很喜欢GLM，但我不认为它属于Fable级别的模型。

（我仍然不相信实验室会为了基准测试而训练——如果是这样，我会期待更好的结果。不过Gemini有可能针对任何动物骑交通工具的组合进行了优化！）

鹈鹕测试的最大局限性在于它完全没有触及当今模型最重要的能力：智能化工具调用以及在对话长度增长时可靠操作工具的能力。

所以不要再用鹈鹕来比较模型了！

尽管如此，我自己运行基准测试仍然获得了相当多的价值。

首先，它是一个实际尝试模型的强制机制。如果我向你展示一只pelican，那就意味着我成功通过它运行了一个提示。如果模型有官方API，我会使用它；如果它是开放权重的（并且足够小，适合128GB M5 MacBook Pro），我会尝试在自己的机器上运行，通常通过llama.cpp或LM Studio或Ollama。我经常使用OpenRouter，因为它通常提供官方API的代理，而无需我获取新的API密钥。

我的大多数pelican是使用我的LLM CLI工具生成的，这有助于鼓励我确保最新模型被该工具支持（通过其插件之一）。

但更重要的是，即使是单个提示“Generate an SVG of a pelican riding a bicycle”这样的行为也能揭示有趣的模型特征。

考虑今天Kimi K3的结果。运行这些简单的提示有助于强调关于该模型的几个要点。

1. 它目前只有一个推理努力级别，“max”——它确实如此。该模型消耗了13,241个推理token来输出3,417个response token。这很昂贵——这只pelican花费了25美分！
2. 提示语“Generate an SVG of a pelican riding a bicycle”如何累计到95个输入token？OpenAI的tokenizer计数为10，Anthropic的计数为Opus 4.6的10个，Opus 4.7的30个，Sonnet 5/Fable 5的25个。提示“hi”给Kimi K3计数了86个token，表明可能存在85个token的隐藏系统提示。不过它拒绝泄露它。
3. 视觉功能很好：它生成的替代文本非常好。

K3目前只有一个思考努力级别，但我最近从在不同努力级别上运行相同的pelican提示中获得了相当多的价值，以快速了解它们的影响。例如，这是我的关于GPT-5.6模型族的矩阵。

但实际上，我从pelican测试中获得的主要是：

1. 这是一个用于提示模型的“hello world”练习
2. 对简单任务的粗略成本和推理估计
3. 确认模型可以输出有效的SVG，并具有基本的几何和空间意识。对于在我的笔记本电脑上运行的较小模型来说，这是一个更大的问题。
4. 比较同一模型家族中不同版本之间的pelican仍然很有趣。K3的pelican相对于Kimi 2.5有显著改进。
5. 这是我可以分享的东西，证明我已经尝试过了。另外，带有pelican的评论在Hacker News上已经成为一种传统，每当我迟到时，都会有人问它在哪！

标签：ai，generative-ai，llms，llm-pricing，pelican-riding-a-bicycle，llm-release，ai-in-china，artificial-analysis，moonshot，kimi