今天凌晨看到 Arena AI 更新 Code Arena 榜單時，我第一反應是有點意外。
剛剛發布的 Kimi K3 拿到了 1679 分，排在全球第一，壓過了 Claude Fable 5 的 1631 分和 GPT-5.6 Sol 的 1618 分。
Code Arena 測的主要是前端編程。模型需要根據用戶要求生成網頁，完成視覺還原、交互設計和功能實現。
榜單結果來自百萬級用戶參與的公開盲測。同一道任務會交給兩個匿名模型，用戶實際體驗兩個結果後投票，投票完成才會公布模型身份。
在結果揭曉前，用戶並不知道自己選的是哪家模型，品牌影響被削弱，結果更具含金量。換句話說，至少在強調視覺呈現和交互實現的前端編程場景里，K3 已經坐到了目前最靠前的位置。
一個剛發布的開源模型，輕鬆就超過多款閉源旗艦，讓人很難相信，too good to be true。於是我們趁著熱乎勁，連夜測試了 Kimi K3，來檢驗檢驗它的成色？
冷知識，下面這段影片並非 Kimi 官方發布的宣傳短片，而是 APPSO 把原預告片交給 K3 參考，讓它重新生成的一段動畫。
從理解原影片、重建網頁畫面，到處理鏡頭、動效和交互，整個過程都由 K3 完成。讓模型親手做一支介紹自己的動畫，也算是最直觀的開場測試。
尤其考慮到最近 Fable 5 和 GPT-5.6 打得熱鬧，能力越來越強，Token 消耗也一路上漲。很多人還在等 Claude Opus 5，沒想到 Kimi 先端出了一個參數規模達到 2.8 萬億的開源模型。
你沒看錯，2.8 萬億，而且開源。
Introducing Kimi K3: Open Frontier Intelligence 🔹 2.8 Trillion Parameters, 1 Million Context, Native Multimodal 🔹 Kimi Delta Attention enables up to 6.3x faster decoding in million-token contexts 🔹 Attention Residuals deliver ~25% higher training efficiency at
Kimi K3 擁有巨無霸版本的 2.8 萬億參數， 全球首個開源的 3 萬億級別模型。100 萬 token 上下文， 原生支持視覺理解， 主打長程編程、知識工作和推理。
好傢夥， 閉源旗艦們還在擠牙膏， 開源這邊直接把參數規模頂到了新天花板。
更有意思的是官方部落格里的這句話：「雖然 Kimi K3 的整體表現仍落後於最強的閉源模型 Claude Fable 5 和 GPT-5.6 Sol， 但它在我們的整套評測中展現出前沿水平的能力， 並穩定超過了其他所有模型。」
如此坦誠， 這在國產大模型的發布部落格里， 屬實是股清流了 (doge)。但謙虛歸謙虛，K3 這次端上桌的能力，分量一點不輕。
靠這兩個東西馴服 2.8 萬億巨獸
先看看， 這個 2.8 萬億參數的模型是如何煉成的?
過去 12 個月裡， 有 9 個月開源模型的規模上限都是 Kimi 家保持的。K3 算是這條路線的最新一步。架構上，K3 有兩個新東西：混合線性注意力 (Kimi Delta Attention) 和注意力殘差 (Attention Residuals)。
比較通俗的理解是，前者讓模型處理超長序列時不至於被計算量拖死， 後者讓資訊在幾百層的深度網路里傳遞時不「失真」。一個管技術長度， 一個管技術深度， 合起來撐住了萬億級以上的參數規模。
MoE 稀疏度也進一步擴大了優勢：896 個專家， 每次只激活 16 個。配上訓練方法和數據配方的優化， 官方說 K3 相比 K2 的整體擴展效率提升了約 2.5 倍。
同樣的算力， 能換回更多的能力。
放到覆蓋推理、編程、知識等能力的 Artificial Analysis Intelligence Index 中，K3 又以 57 分排在第三，僅次於 Claude Fable 5 和 GPT-5.6 Sol，同時領先 Claude Opus 4.8、GPT-5.5 等模型。
這份成績單也引來了馬斯克的注意。他現身留言區，留下讚美之詞：「Impressive（令人印象深刻）」。
兩張榜單放在一起看，K3 距離綜合能力最強的閉源模型還有差距，但在編程這一主戰場上已經相當能打。
看到如此強大的模型， 相信你的的第一反應估計也是：這玩意跑起來得多貴?
Kimi 顯然預判了你的預判。
K3 從 SFT 階段就開始做量化感知訓練， 用 MXFP4 權重和 MXFP8 激活， 天生適配低精度硬體。專家並行訓練做了完全均衡， 靜態形狀， 關鍵路徑不需要主機同步。
KDA 對傳統 prefix caching 有新挑戰，Kimi 乾脆把對應實現貢獻給了 vLLM 社區， 隨模型一起開源發布。
落到價格上，其實我們覺得中國模型並不應該總是比拼低價，不僅要有公司負責「量大管飽」，也要有公司能挑戰 Anthropic 和 OpenAI 的定價權。這次 K3 在性能上對標甚至超過 Opus，偶爾夠一夠 Fable，官方 API 的輸入和輸出價格是 Fable 的 20%，Opus 的 40%，這是要把 Anthropic 價格打下來的意思。
考慮到這個模型 10 天之後就會開源，有實力的公司可以自己部署模型，以及中國 AI 公司普遍缺卡的現實，這個定價就更值得玩味了。
不過 API 價格跟普通用戶關係不大，大家用的包月套餐在用滿的情況下，通常要比 API 價格便宜 5 到 10 倍。
實測 K3 ，你的名字應該叫 Kable
參數規模和價格都聊完了， 接下來是最關鍵的問題：它到底能幹多難的活?
我們給 K3 準備了五個跨度很大的任務，既有物理模擬、程序化建模和複雜經營系統，也有更依賴審美判斷的東方奇幻場景。畫面做得漂亮只能算及格，背後的數值變化、狀態演進和交互邏輯同樣要成立。
今年世界盃，點球成了很多比賽的勝負手，強如梅西也會罰失點球，我想用 AI 計算出一個進球概率最高的點球角度。
K3 把球員腳感、射門角度、球速、門將反應等變量轉化為一套可信的計算模型，再基於公開數據進行大規模蒙特卡洛模擬，反覆比較不同策略的成功率，最終回答那個所有主罰者都想知道的問題：
在不突破職業球員真實能力上限的前提下，球該怎麼踢，才最難被門將撲出。
K3 計算出理論上最難撲的一腳:v₀≈25 m/s + 側旋≈8 rev/s + 半高偏側落點，進球概率 ≈89%，強烈建議梅西決賽前先看看這篇文章。
第二道是用 Three.js 從零造一個巧克力工廠花園世界：巧克力河、焦糖瀑布、糖果園、銅製大鍋、傳送帶、微縮工人， 全部程序化生成， 不許用外部素材， 還要求工人有真實的任務隊列和路徑網路， 而非原地擺拍。
同樣是程序化建模，《Emberhold：熔火礦城》進一步加入了經營和風險系統：多層礦井、軌道礦車、熔爐鍛造、通風與塌方系統全部聯動， 挖得越深礦越稀有， 但溫度和塌方風險同步上升， 礦車必須沿真實軌道行駛。
硬功夫考完，最後看看它的審美。在這個東方奇幻水墨風油紙傘場景中，細雨青石水面上懸浮著層層油紙傘，透光投影、傘面流動圖案與可操控人物跳躍互動共同營造出靈動夢幻的效果。
而 X 網友 @chetaslua 的這個案例，在他看來，雖然 K3 和 GPT-5.6 Sol 達到了相同的結果，但實現方式不同，K3 更具設計品味和創造力。
Kimi K3 vs GPT-5.6 Sol Difference in taste is so stark , like if i swap kimi k 3 name with fable 5 people will trust it but this is not only about visuals , its also about function , you can see both achieve same result but the way to achieve is different kimi is more creative
光視覺驚艷的 demo 當然不夠，我還用 Kimi K3 開發了一個專注 App，提示詞就一句話：復刻 Forest，但界面更精美，動效像 Focus Flight。
幾個小時後它就真的做出來了，甚至達到可玩的產品原型水準，這活兒以前一個前端可能要干兩三周。
這個 App 叫「雲馳 Aeris」，點開是一片黃昏色的機庫，一架飛機在跑道上等我選航線。
它把 Forest 的種樹專注玩法換成了航班飛行，但也並非簡單換皮：專注時長等於飛行時間，還能選擇不同的白噪音，登機後進入動態巡航，中途退出會觸發返航，完成航程則能積累里程、解鎖新目的地，從品牌命名、視覺風格到交互和成長體系都非常完整。
寫這篇文章的時候，我又飛了幾趟了。APPSO 也附上鏈接，大家可以嘗試飛一飛 ✈️https://lamuxcg4s74za.ok.kimi.link/#/
開源模型的 K3 時刻
更難得的是，官方部落格也願意分享他們積累的反思。
K3 對歷史思考內容很敏感。它在後訓練全程使用思考歷史保留模式， 如果 Agent 框架沒按要求回傳全部歷史思考內容， 或者你從其他模型的會話中途切換過來， 生成質量可能不穩定。
官方建議用 Kimi Code 這類驗證過兼容性的框架， 別在會話中途換模型。
它還有點過於主動。由於訓練重點在長程高難任務， 遇到小問題或者用戶意圖模糊時， 它可能替你做出非預期的決定。想讓它老實一點， 得在 system prompt 或 AGENTS.md 里給它立規矩。
而就沖這個坦誠勁兒， 先給個好評。
說到這裡，不妨再聊點更實際的。全球最大開源模型， 目前並不等於全球最強。2.8 萬億參數也不能直接證明 K3 已經超過頂級閉源模型。模型能不能真正干複雜工程， 最終還是要看使用成本、任務穩定性和真實交付結果。
Russ Salakhutdinov @rsalakhu Congratulations to Zhilin Yang, founder and CEO of @Kimi_Moonshot , on the latest Kimi release. What a huge win for the open-source community! It feels like just yesterday Zhilin was graduating from my lab at CMU, jointly co-advised with William Cohen. Not only did he complete his Ph.D. in just four years, but he also made truly fundamental contributions to ML during his time at CMU. What a spectacular career! Congrats again Zhilin, and thank you and the entire Kimi team for everything you're doing for the open-source community.
但 K3 的出現至少改變了一件事。
過去開源模型的策略， 是跟在閉源旗艦身後， 用更低的價格復現已有能力。現在它開始主動把規模推向新上限， 去碰百萬上下文、長程編程和複雜 Agent 任務， 直接參與下一代模型能力邊界的競爭。
在 X 上一些網友把 Kimi K3 稱為又一個 DeepSeek R1 時刻，但 APPSO 連夜體驗下來，倒是認為在開源模型里，K3 完全能擁有自己名字。
2.8 萬億隻是一張入場券。Opus 5 還沒到， 開源模型已經重新洗牌了，我願稱之為 K3 時刻。
