你让 AI 写一套复杂网页：既要理解长长的要求，又要规划代码，还得反复检查结果。模型做得好不好，不能只看它脑子里塞了多少“参数”。参数是训练后形成的大量数值，决定模型如何处理输入和生成答案；数量更大，只代表规模更大，不自动等于更聪明、更便宜。Kimi K3 值得现在看，正因为此前的万亿参数传闻终于变成了可以调用的模型、明确的价格和首批测试结果。
月之暗面（Moonshot AI）于 7 月 16 日发布 Kimi K3，称它是公司迄今能力最强的模型。其总参数量为 2.8 万亿，并被宣传为首个“开放的 3T 级模型”。这里需要先拆开两个口径：3T 是把 2.8 万亿向上取整后的说法；截至现有材料所述时间，模型可通过官网和 API 使用，但开放权重只承诺在 2026 年 7 月 27 日前发布，尚未兑现。开放权重指允许下载模型训练所得的核心数值，自行部署或定制；能否自由商用、修改和再分发，还要看届时的许可证。
本文的性能数字主要来自 Moonshot 自报，或媒体、个人文章对厂商材料和第三方评测的转述。它们适合用来观察方向，还不能当成完整的独立复测。
三万亿参数怎样装进一次回答
一则汇总材料称，Kimi K3 是原生多模态模型——也就是在模型设计中直接处理不止一种信息形式——并支持 100 万 token 的上下文。token 是模型切分文字和其他输入时使用的基本单位；上下文则是它一次能够参考的信息范围。
K3 采用 LatentMoE。MoE 即“混合专家”：可以把它理解成一个拥有许多专科小组的系统，每次任务只叫其中一部分上场。材料称，K3 共有 896 个 experts，每次激活 16 个。这样做的意义，是把“模型总规模”和“每次实际参与计算的部分”分开。不过，现有材料没有给出足够细节，无法据此计算真实算力消耗，也不能证明参数增加了多少能力。
材料还提到 Kimi Delta Attention（KDA）和 attention residuals。Attention 是模型判断输入中哪些部分彼此相关的机制；这些名称描述了 K3 处理和传递信息的具体设计。但供稿没有论文或技术报告，无法进一步解释其实现，也不宜把厂商宣称的约 2.5 倍扩展效率当作已经验证的结论。
成绩很高，但先看是谁出的题
模型基准测试，是用固定任务比较不同模型。它像统一考试，但分数会随题目、评分方法和运行设置变化。
Moonshot 自报的结果显示，K3 在多数项目上超过 Claude Opus 4.8 max 和 GPT-5.5 high，但在部分项目上落后于 Claude Fable 5 与 GPT-5.6 Sol。几个代表性成绩包括：SWE Marathon 为 42.0，Terminal Bench 2.1 为 88.3，BrowseComp 为 91.2。与此同时，K3 在 FrontierSWE 得 81.2，低于 Claude Fable 5 的 86.6；在 DeepSWE 得 67.5，低于 GPT-5.6 Sol 的 73.0。换句话说，它不是简单地“全面第一”，而是在不同任务上各有胜负。
Simon Willison 转述的 Artificial Analysis 私有长周期知识工作评测给出了更有意思的一组信号：K3 的总体 Elo 为 1547，比 Kimi K2.6 高 732 分，仅次于 Claude Fable 5；每项任务成本为 0.94 美元，接近 GPT-5.6 Sol 的 1.04 美元，约为 Opus 4.8 的 1.80 美元的一半。该机构的 Intelligence Index 还测得，K3 比 K2.6 少用 21% 的输出 token。材料同时称，K3 登上 Arena.ai 的 Frontend Code arena 榜首。不过，供稿未提供这些榜单的版本、快照和原始评测设置。
大模型也把价格抬了上去
K3 的 API——开发者把模型接入自己产品的标准接口——按调用量收费。每百万 token，缓存命中的输入为 0.30 美元，未命中的输入为 3 美元，输出为 15 美元。缓存可以理解为重复内容不用从头处理；但材料中的“编码任务命中率超过 90%”仍是厂商说法，不能直接套用到所有应用。
若按常规输入和输出价计算，K3 的 3 美元和 15 美元明显高于 Kimi K2.6 的 0.95 美元和 4 美元。Simon Willison 因此称其为迄今中国 AI 实验室发布的最昂贵模型，但这一说法没有完整的市场比较口径。
还有一组仅含三个单文件 HTML 提示的非标准测试：K3 花费 0.71 美元，生成 157,999 个 token 和 2,255 行代码。这个样本太小，不能代表整体能力。它反而提醒我们，价格、生成长度、代码行数和最终质量不是同一件事。
为什么值得关注
K3 真正推进的，不只是参数纪录。我们此前报道它可能拥有 2 万亿至 3 万亿参数，当时规模、性能和发布时间都来自匿名消息。现在，市场终于可以分别检查四件事：已经公布的规格、厂商自报成绩、第三方实测，以及尚待兑现的开放权重。
这也是“三万亿参数开源竞速”最该盯住的地方。2.8 万亿足够醒目，但决定它能否形成实际影响的，是开放权重是否按期发布、许可是否允许广泛使用，以及独立评测能否重复现有成绩。
局限与未知
- 开放权重目前仍是承诺，“首个开放 3T 级模型”存在明显的时态和取整口径问题。
- 关键架构、训练方法与效率主张缺少论文或完整技术报告，无法核验参数规模怎样转化为真实能力。
- 多数性能数字来自厂商或二手转述；独立评测的版本和设置也不完整，真实产品表现仍待更多复测。