Kimi正式發佈2.8萬億大模型K3，這是屬於我們的榮光。

今天凌晨，Kimi K3，終於正式跟大家見面了。

2.8萬億參數，百萬上下文。

而且，官宣7月27號，全面開源。

沒啥可說的，讓我們此刻一起歡呼吧。

月之暗面昨天下午就發了預告，片子也非常的藝術，在他們心中，這是一個能證明自己、將整個月之暗面，帶向新一個時代的模型。

如果說智譜是做後訓練的神，把GLM-5系列帶到了一個全新的高度。

那在我心中，其實國內做預訓練的扛把子，一直都是Kimi。

而且一直都是大參數的代表。

K2是幾個月前國內第一個把模型推到1T級別的。

過去還有很多人說，大模型的Scaling Law要見頂了，要失效了。

可如今發現我們發現，大依然就是好，大依然就是牛逼，大依然就是智能。

就像我至今依然覺得Claude Opus 4.6是我心中最水桶級別的白月光，寫作創意認知Agent代碼能力都極強，因爲那可是個5T的模型啊。

後面Opus 4.7和4.8就強化學習一路強化歪了，Coding能力確實提升了，但是創意和規劃能力拉完了，非常明顯的一路下滑，口碑一路崩塌。。。

至於現在最牛逼的Claude Fable 5的參數量，目前沒人知道，但是跟一些朋友討論和猜測，可能到了10T級別，因爲現在Grok內部訓得最高參數量的模型也是10T級別，感覺應該差不多。。。

再把眼光放回到國內，Kimi之後，DeepSeek V4 pro和美團的LongCat 2.0也都邁入了萬億級別，逐漸的，萬億參數模型，已經快成了標配。

而今天，Kimi K3來了。

這一次，他們把模型的參數量推到了2.8T級別，這是國內的第一個3萬億參數級別的模型，而且更是全世界，第一個面向所有人開源的3萬億參數級別的模型。

開心，爲Kimi感到自豪。

老規矩，再看下Kimi K3的跑分。

先看AA給的智能分數，Kimi K3來到了第三，僅次於Fable 5和GPT-5.6 Sol，超過了其他所有的模型。

這一下，kimi代替Google，成爲新一代御三家了。。。

然後再看Coding。

也正好趁着這個機會，我想用這些評測集來結合我的體感，簡單給大家看看一個模型的性格和特點怎麼理解。

每個模型其實都是有自己擅長和不擅長的，強如Falble 5，其實也有短板，只不過它的短板的高度，比很多模型的長板甚至還要長。

先說Coding這塊，一共六個評測，其實我們可以把它們分成兩類來看。

第一類，我自己喜歡叫它精準執行型評測，大概就是測模型能不能精確地完成一個明確的任務，不多不少，不漏不錯。

你可以理解成老闆給你一個非常明確的任務清單，上面寫得清清楚楚要改什麼。這種任務考驗的就是精準度和執行力，你得理解需求、定位問題、精準修改、不引入新bug。

DeepSWE和Terminal Bench 2.1這兩個就是比較典型的，一個更偏純執行，一個更偏綜合性的執行。

GPT-5.6 Sol在這兩個評測中都拿到了第一，它在需求理解、環境操作、調試收斂和最終交付方面確實就是最穩的，跟我日常使用的體感是一致的。

至於Opus 4.8，幻覺率太高，我罵了很多回了，這個位置跟我體感也是一致。

而Kimi K3，在執行的精準度上，在DeepSWE上僅次於Claude Fable 5和GPT 5.6 Sol，而在Terminal Bench 2.1上，甚至拿到了第二名。

第二類評測就反過來了，我叫它方案規劃型。

比如FrontierSWE，這個測的是前沿級別的、特別難的軟件工程問題，需要創造性思考、深度理解複雜系統才能解決的問題。

Fable 5基本沒啥可說的，斷崖式領先所有的，GPT系列大家都知道創新型任務還有方案設計做的一直都很差，比Fable 5差了很多，是GPT系列的短板，而這次，Kimi K3直接一腳插在了Fable 5和GPT-5.6 Sol之間。

從這個就可以看出來Kimi K3的定位了，可以說非常的中庸之道。

也就是各方面都不錯，一個非常全面的水桶模型，在每一個領域裏，雖然都打不過那個最強的，但是總能排到第二或者第三。

坦誠的講，這樣的水桶模型，在日常使用中，反而體驗感可能會更好一些，我現在經常就是Fable 5和GPT-5.6 Sol來回切換，一邊做方案，一邊做執行，確實是目前最強組合，但是也麻煩啊。。。

更別提國內，有多少人用不上Fable 5的了。

海外還有人說，Kimi又是靠蒸餾啥的，但是講道理，這個級別已經不是蒸餾能蒸出來的了。

蘭伯特都看不下了，直接是這麼懟的。。。

我覺得非常有代表意義。

再來看很多人更看重的Agent能力，這個玩意主要跟Work強相關。

BrowseComp，測的是在瀏覽器環境下的複雜信息理解和處理，其實就是深度研究。你可以理解成“給模型一個瀏覽器，讓它自己去網上找信息、理解內容、完成任務”，K3拿了91.2，全場第一，GPT-5.6 Sol以90.4緊隨其後，Fable 5是88.0。

這個是kimi一貫的拿手好戲了，用過Kimi集羣的應該都感受過它的威力。

Automation Bench，測的是自動化任務的執行能力，把一系列操作串起來自動完成，K3也是第一，30.8。SpreadsheetBench 2，測的是電子表格處理能力，各種公式、數據清洗、報表生成，K3還是第一，34.8，Fable 5以34.7緊隨其後。

然後是接下來的三個綜合類的Agent任務。

AA-Briefcase Elo，這個是綜合性的Agent能力Elo評分，包含了各種辦公場景的任務，K3的1548排第二，僅次於Fable 5的1583。

JobBench，測的是完成具體工作任務的能力，K3的52.9也是第二，同樣僅次於Fable 5。

GDPval-AA v2 Elo，這是另一個綜合Agent評分體系。Fable 5以1760排第一，GPT-5.6 Sol以1748緊隨其後，K3是1668排第三，這是少數K3排在GPT-5.6 Sol後面的評測之一，但差距已經很小了。

從這幾個綜合類Agent的評測可以看出，在整體能力上，基本都還是比Fable 5差一些，跟GPT-5.6 Sol差不太多，互有勝負。

多模態這塊也得提一嘴。

Kimi的多模態是國內做的非常好的，在這方面，基本也就僅次於Falbe 5，Fable 5還是太強了。

突然有點自豪的感覺，以前我們說，國內的模型，跟Opus 4.7甚至都不說4.8掰掰手腕，大家都覺得你是個牛逼的大貨。

到了今天，我們發現，一個國產的模型，居然能跟GPT-5.6 Sol掰掰手腕了，好像Fable 5的背影，也沒有那麼遙遠了。

當然，GPT-5.6 Sol有它自己的特性在，這畢竟還是老模型強化的，不是新一代的預訓練模型搞出來的，Fable 5和Kimi k3都是全新的重做了預訓練的模型，鬼知道GPT-6出來的時候，會強的有多離譜。

我覺得如果你之前沒辦法用Claude，也沒辦法用GPT，只能用國內模型，那我今天非常推薦你開始用Kimi K3來處理你的所有工作，感受一下全新的3萬億級別的新一代模型的智力。

同時，我對國內的算力水平也不抱有任何期望，這種參數的模型，我覺得對Kimi來說，推理成本也是個巨大的挑戰。

所以我覺得，趁着現在，可以抓緊買個Kimi的Coding Plan，我感覺後面會跟GLM一樣買不到了。。。

坦誠的講，國內的模型我付費的很少，這次的Kimi K3真的也是我爲數不多的先氪爲敬的一個模型了。

我是699的會員，跑了一夜，各種測試任務還有多Agent的真實環境的開發，燒了這麼多Token，大家可以參考下。

在實測上，我覺得也是讓我沒有失望的。

我自己的體驗上，幾乎跟Kimi發出來的跑分體感一致，是一個綜合型的模型，每個地方都還不錯，可能達不到Fable 5經常給你的那種神之一手的感覺，但是也是可以把項目和規劃放心的交給他。

這次的測試上，我也沒有用Claude Code，因爲我覺得，在當今的時代裏，你的模型配上一個harness框架，纔是一個完整的產品，而且你自家的模型，配上自己的框架，肯定纔是最適配的。

所以我這次直接用的Kimi Code來跑的Kimi K3。

這裏插一句，Kimi Code其實也是有圖形界面版的，只不過他們還沒做類似Codex的那種客戶端，現在還只是一個web版。

想打開這個界面也特別簡單，直接在終端裏輸入kimi web就能啓動。

主要是當你用習慣Claude和Codex的客戶端之後，我真的不想再用CLI界面了，怎麼用怎麼彆扭= =

這次Kimi K3，還有個比較大的更新，就是上下文長度終於來到了100萬。

這個還是比較爽的，100萬現在基本也都是大家的標配了。

我讓它做的第一個事情，就是我發現，不知道爲啥AIHOT沒有抓到Kimi K3發佈的blog，所以就讓Kimi K3修一下，沒有抓到自己的問題，看看BUG出在哪裏。。。

這種感覺，又何嘗不是一種NTR呢。

發過去之後，它就立馬去找了。

接着發現了原因，是Kimi自己的官方Blog又改版了，而且就是前兩天的事。

emmmmm，然後發現我們的告警是14天斷流才告警，K3果斷給我改成了3天，然後把那個Blog給修復了一下，3分鐘修復完，正確出現在了AIHOT上。

然後還有一個複雜點的任務，是根據用戶的反饋，來優化我的AIHOT。

我的飛書每天會把用戶在AIHOT上提報的反饋推給我，比如就像這樣。

每個反饋都有一個序號，我一般都會每天過一遍，然後把說的對的，扔給Agent來去修。

這兩天正好有點忙，攢了一批，我就一次性，全部扔給Kimi Code了。

這個事你說簡單也簡單，說複雜吧也複雜，有將近10個任務，每個任務其實差異挺大的，基本都不搭嘎。

而且你還需要有一定的方案設計能力，還有判斷能力，並不是用戶說啥都是對的，而且也比較看長程和多Agent的規劃能力。

我就直接發給它了。

然後，他就讀了我的運維文檔，找到了我的服務器鏈接方式，連上去，看到了用戶的反饋。

然後，給自己列了7個待辦。

開啓了8個Agent，開始研究。

有一說一，Kimi的審美是真的好，這個Kimi Code的UI展示，我是真的喜歡，非常清晰+一目瞭然。

研究完以後，發現只有7個值得做，然後，又開了7個工作區開了7路Agent去進行執行。

在開發了大概1個半小時之後，所有的任務全部開發完畢，提了PR過了CI，合併到了主分支裏。

2個小時以後，全部做完了。

我看了一眼郵件，是真的都用我的飛書郵箱都給我發出去了。。。

完成的非常好，流程全部做完，沒有任何BUG，該完成的也都完成了，不該完成的兩個任務，也給我做了說明。

除了執行上，在方案設計上，我也把K3的方案和GPT-5.6 Sol的方案扔給Fable 5去評選，測了幾個任務，跟GPT-5.6 Sol大概是55開的級別，思考的維度和方面確實都是有差異的。

比如這個服務器性能優化的任務，最終Fable 5雖然選的是方案二也就是Kimi K3的方案，但是發現GPT的方案裏也有Kimi 沒考慮到的，大家都差不多，最終都還是得合併一下效果纔是最好的。

不過我在測試過程中，也遇到了一個小差距，就是K3有一個細節問題沒考慮到，但是正常過了CI上了線，導致AIHOT出現了將近1個小時的沒有任何新資訊進站。。。

這個細節也特別簡單，就是我在讓它做熱點榜單，背後加了大概500個熱點信源，這些熱點信源你可以理解爲是我們線上現在監控200多個精選信源的氣氛組，就看什麼事件被討論的最多的，從而評選出當前熱點。

K3非常勤勤懇懇的做完了所有的任務，推了PR，過了CI，部署上線了。

但是呢，我們網站的系統是有性能限制的，一個信息進來，要經過結構化處理 - 實體提取 - 預篩 - 正文清洗 - 精選評分 - 向量化處理 - 事件聚簇 - AI摘要等等等等，中間光大模型的調用就有好幾次，所以是有隊列這麼一說的，我們同時併發最多是處理6個資訊，一般一個資訊也就20、30秒就處理完了，平時我們是完全沒有問題的。

K3開發完了熱點之後，直接一次性把那500個熱點信源也按我們過去新監控信源的規則進行回補，直接懟了9000條信息進來，於是直接把AIHOT的信息處理隊列給堵滿了，後續進來的所有精選信息都在這9000條後面排隊，於是，就變成了AIHOT將近1個小時沒有任何抓取。。。

就這麼一個隊列併發沒有考慮到的事，但是背後的本質折射的確實我們現在的併發處理不了500條以上的新聞信源，所以這個方案必須要推倒重來，不能這麼設計，這就是現在很多模型，在做方案設計的侷限。

不過這種事，我覺得除了Fable 5之外，感覺其他的模型都很難考慮的非常全面，GPT-5.6 Sol我試了下，也完全沒有考慮到。

不過整體來說，在我這幾個小時的體驗上，在開發的精準性和完整性上，還是符合我的預期的，國內最佳，沒有之一。

而前端任務上，基本就是Kimi最擅長的舒適區了，Kimi這家公司，一直以來的審美就是真的很強，再加上Kimi自身的多模態能力，這一次K3在前端效果上，又迎來了一波飛躍。

這裏我先必須給大家看兩個，官方的前端Show Case，秀麻了。