Kimi K3 深度评测：开源新 SOTA 到底多强

 

 

Kimi K3 正式发布，开源模型的 SOTA 宝座又一次换人坐了。

 

发布当晚我刷 X 的时候，时间线已经被各种好评淹没。这种程度的口碑反馈，自 DeepSeek R1 之后就再没见过。

 

 

连 a16z 的投资人都公开表态了：

 

 

我有个习惯，每次有新模型上线，都先去读官方团队发布的 Blog。原因很简单：这些文章通常经过核心研究员、产品负责人乃至 CEO 的多轮确认，模型到底解决了什么问题、更新了哪些关键能力、团队最看重的方向是什么，都会写得很清楚。社交平台上的讨论虽然热闹，但情绪化内容太多，有效信息反而被稀释。

 

 

一、先用真实业务场景跑一遍再说

 

光看 Blog 不够，我直接拿几个真实生产环境的任务来测。

 

第一个是 AI Maker Summit 大会的电子门票。以前的电子门票做得比较简陋，这次我用 K3 生成了一张带物理质感的门票，表面有细微的颗粒感和印刷纹理。做完以后团队都觉得效果不错。乔布斯说过，认真做的东西用户是能感受到的，不用刻意去讲。下面是 Kimi Code 里的实现截图。

 

 

第二个是一个手风琴折叠加翻页效果。K3 在推理和执行上的进步很明显：第一版做出来卡片重叠、交互很糟，它自己 Review 了屏幕效果后，重新计算了墙面宽度、卡片旋转轴和横向位移，很快锁定了问题。这种长程编程任务里的自我纠偏能力，确实是 K3 的亮点。

 

 

第三个是大会网站的概览页面，交互动画效果不错。紧接着我把大会的交易系统也用 K3 重构了一遍：之前购票走的是第三方 SaaS，这次前后端全部迁到自有平台。有一说一，K3 除了响应速度偏慢，其他方面我觉得已经比 Opus 4.8 更顺手了。

 

中间跑交易系统的时候模型报了一次错，排查下来应该是算力吃紧，当天涌入的用户不少。群里好几个人说要重新给 Kimi 续费了。美国用户在 Anthropic 和 OpenAI 之间反复横跳，国内是不是也开始在 GLM 和 Kimi 之间来回选了？

 

交易系统里批量填写参会者信息这个功能，是 K3 自己加的，我觉得做得挺好。

 

 

微信和支付宝的支付通道也接好了：

 

 

对应的 CMS 后台：

 

 

系统跑通以后，我让 K3 对整条支付链路做了一次安全审计。

 

 

大约 15 分钟后，它给出了审计报告：

 

 

我拿 GPT 5.6 Sol 做了交叉验证，80% 的结论是准确的。

 

 

二、不带情绪的五点判断

 

跑完上面这些 Case，说几点真实感受。

 

第一，K3 在推理深度和长程任务表现上确实超过了 GLM 5.2，整体水准跟 Opus 4.8 基本持平。

 

第二，国内定价不算便宜，但跟 Opus 4.8 比仍然有约 3/4 的价格优势。

 

第三，我用的是 Kimi Coding Plan，体感上比 2.x 系列更耐用。

 

第四，自主推进项目的意识非常强。比如做安全审计的时候，我一直强调不要动代码、只做分析，它确实遵守了。

 

第五，价格要是能再降一些就更好了。

 

三、技术层面：K3 凭什么做到这个水准

 

读完 Blog 的关键信息，我的第一判断是：K3 基本到顶了。2.8 万亿参数的规模，全球能把这个量级的模型真正训练出来并完成部署的团队，一只手数得过来。

 

参数量看起来只是个数字，但到了万亿这个级别，复杂度会陡然上升。训练周期长，中间任何波动都可能造成巨大损失。算力投入、数据质量、训练稳定性，每一环都不能出问题。国内做到万亿级预训练的只有 DeepSeek 和月之暗面，超过 2 万亿的只有月之暗面一家。

 

Blog 的信息结构是倒金字塔式的，最重要的内容放在最前面。几条核心信息：

 

一、2.8T 参数，目前全球开源模型里规模最大的。

 

二、采用混合线性注意力机制加注意力残差，这两项是 Kimi 过去最核心的技术积累。

 

三、原生多模态。

 

四、100 万上下文。

 

五、面向长程编程、知识工作和推理场景设计。

 

六、仍然落后于 Claude Fable 5 和 GPT-5.6 Sol 这两个最强闭源模型。

 

混合线性注意力和注意力残差这两项技术，Kimi 之前分别发过论文，现在回头看，都是在给 K3 铺路。

 

 

先说混合线性注意力。传统注意力机制好比读一篇长文，每读到新内容都要回头翻前面的段落，确认哪些信息跟当前有关。好处是查得细致，但文章一长，计算量和缓存压力就直线上升。KDA 换了个思路，更像一边读一边在维护一份动态笔记：新信息进来后把有用的写进去，不太重要的逐渐淡出，后续处理新内容时不必每次都把全部历史重新算一遍。光靠笔记可能会丢细节，所以 Kimi 走的是混合路线：部分层用 KDA 提效，部分层保留 MLA 做精确查找。大部分时候翻笔记，必要时回原文，既压低了超长上下文的成本，又尽量保住了细节理解。

 

再说注意力残差。大模型的层很多，信息从第一层逐层往后传递。传统残差连接是在前一层的输出上叠加新信息，层数不多时问题不大，但模型一深，早期层提取的关键信息会被后续内容稀释，传到后面可能已经面目模糊。打个比方，很多人接力改一篇文章，传统的做法是每人只拿到前一版的稿子往上加，改了十几轮后，最早几位留下的重要判断已经埋在厚厚的文稿里很难找到了。注意力残差给了后面的编辑一个额外选项：写到某个位置时，不止看上一版，还能翻阅前面不同阶段的版本，把当前最需要的内容重新拎出来。它解决的是模型变深之后信息传递的问题。KDA 管的是上下文长度的效率，注意力残差管的是模型深度方向的信息保真，两者搭配，让信息在更长的序列和更深的网络里都能流动顺畅。

 

 

四、跟闭源模型到底差多少

 

X 上有人直接说 K3 超过了 Claude Fable 5，这个说法我觉得过头了。官方 Blog 里也坦承跟顶尖闭源模型还有差距，不过达到 Opus 4.8 的水平应该是没什么争议的。

 

开源和闭源之间的差距正在被压缩到三个月以内，这个说法在 X 上讨论度很高。虽然很难精确验证，但 K3 站到当前开源 SOTA 的位置，基本没有异议。

 

五、苏轼那句话

 

K3 发布 Blog 的第一句是：

 

犯其至难而图其至远者，发之以勇，守之以专，达之以强。

 

出自苏轼的《思治论》。大意是：去做最难的事、追求最远的目标，出发时靠勇气开路，行进中靠专注守方向，抵达时靠长期磨出的韧劲和力量。这句话放在 Kimi 这几年的经历上，意外地贴切。

 

大模型刚起风的时候，Kimi 是国内最早入局的一批，也是最受关注的明星公司。杨植麟被媒体频繁报道，很多人觉得他是这一代大模型创业者里技术天赋最高的。但后面的路并不顺：字节在应用端猛砸资源，豆包迅速做大，Kimi 被拉进投流混战；DeepSeek R1 发布后，连李开复都说其他模型没戏了，那段时间 Kimi 的声量明显收缩；再后来 Kimi 砍掉应用端投流、把重心挪回模型研发，K2 出来后口碑不错，但行业迭代太快，没多久又被新模型盖过。

 

这一次 K3 回来了。它大概率也不是终点，按现在的节奏，过几个月可能又有新模型刷新认知。但至少在这一刻，K3 让人眼前一亮，它代表了国产模型目前能达到的新高度。

 

回头再看苏轼那句话，发之以勇、守之以专、达之以强，Kimi 这两年走的就是这条路。国产模型加油，我也不想一边被人嫌弃、一边又憋屈地用 Anthropic 的模型。

 

 

上面这些对 Kimi K3 的实测和判断，其实也是很多团队在选型时会关心的维度。如果你想把这类 AI 工具和数字化能力真正用进自己的业务，可以咨询云巴巴。云巴巴是国内领先的企业数智服务平台，覆盖 AI 大模型、智能体、协同办公、营销获客、安全合规等多个领域的企业级产品与方案，能按你的行业、规模和预算比对选型、匹配资源、协助落地。欢迎咨询云巴巴，获取更多产品方案与专属服务。