Moonshot AI推出Kimi K32026年7月16日中国人工智能实验室Moonshot AI宣布推出Kimi K3称其为 目前最强大的模型拥有2.8万亿参数。该模型目前可通过其网站和API使用官方还承诺 在2026年7月27日前 发布开源权重版本。Moonshot宣称这是首个 开放的3T级模型估计是将2.8万亿四舍五入为3万亿从而从DeepSeek的1.6T v4 Pro手中夺得了桂冠。他们自行公布的基准测试显示K3在大多数情况下击败了Claude Opus 4.8 max和GPT - 5.5 high但输给了Claude Fable 5和GPT - 5.6 Sol。Artificial Analysis报告亮点以下是关于该模型的Artificial Analysis报告中的一些亮点“在我们的私有长期知识工作评估中Kimi K3的整体Elo评分为1547比Kimi K2.6高出732分仅次于Claude Fable 5。”“每项任务的成本0.94美元与GPT - 5.6 Sol1.04美元相近约为Opus 4.81.80美元的一半但高于开源权重的同类模型。”“在Artificial Analysis Intelligence Index上Kimi K3的令牌使用量显著减少比K2.6少使用21%的输出令牌。”该模型现在也是Arena.ai的前端代码竞技场中的领先模型甚至超越了Claude Fable 5。新模型定价情况这款新模型的定价值得关注每百万输入令牌收费3美元每百万输出令牌收费15美元这与Anthropic的Claude Sonnet系列处于同一水平使其成为中国人工智能实验室迄今为止发布的最昂贵的模型。与他们早期的模型如Kimi K2.6收费为0.95美元/4美元相比价格大幅上涨。此外2.8万亿参数的规模也比1T的Kimi K2.6模型大了两倍多。鹈鹕测试表现使用OpenRouter避免注册Moonshot API密钥和llm - openrouter插件生成了一张鹈鹕骑自行车的SVG图像llm -m openrouter/moonshotai/kimi-k3 Generate an SVG of a pelican riding a bicycle这是对话记录生成的图像如下生成这只鹈鹕图像消耗了95个输入令牌和16658个输出令牌其中13241个是推理令牌总成本为25美分由于K3支持图像输入将生成的SVG图像作为输入使用替代文本提示得到了如下结果花费0.6美分一只戴着红色围巾的白色鹈鹕骑着红色自行车沿着有白色虚线的灰色道路行驶的卡通插画鹈鹕有一个大橙色的喙和橙色的蹼足在蹬踏板身后有白色的运动线条背景是浅蓝色的天空有白色的云朵、黄色的太阳两只飞行的小黑鸟前景是带有小白花的绿色草地。鹈鹕测试的价值与局限生成鹈鹕骑自行车的SVG图像测试已经有21个月的历史了。它从来都不是一个特别出色的基准测试。最初它只是一个关于比较这些模型有多困难的玩笑但在第一年里它却意外地与模型的实际性能存在关联。但现在这种关联大多已不复存在。GPT - 5.6和Claude Fable 5生成的鹈鹕图像被GLM - 5.2超越尽管看好GLM但并不认为它能达到Fable级别的模型水平。仍然不相信各实验室在针对这个基准测试进行训练 —— 如果是这样期望能看到更好的结果。不过Gemini有可能针对动物在交通工具上的任意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方面智能体工具调用能力以及在对话变长时可靠操作工具的能力。所以不要用鹈鹕测试来比较模型鹈鹕测试的收获尽管如此自己运行这个基准测试仍然能获得不少价值。首先它促使实际去尝试使用模型。如果展示了一只鹈鹕图像那就意味着已经成功地向模型输入了一个提示。如果模型有官方API会使用它如果是开源权重模型并且小到可以在128GB的M5 MacBook Pro上运行通常会通过llama.cpp、LM Studio或Ollama在自己的机器上运行。经常会使用OpenRouter因为它通常能在不需要新API密钥的情况下提供对官方API的代理访问。大多数鹈鹕图像都是使用LLM命令行工具生成的这也促使确保该工具通过其插件之一支持最新的模型。更重要的是即使只是一个 生成鹈鹕骑自行车的SVG图像 的简单提示也能揭示模型的一些有趣特性。以今天Kimi K3的测试结果为例。运行这些简单的提示有助于强调该模型的几个特点1. 目前它只有一种推理强度即 最大 强度 —— 这一点很明显。该模型为了输出3417个令牌的响应消耗了13241个推理令牌。这成本很高 —— 生成这只鹈鹕图像花了25美分2. 生成鹈鹕骑自行车的SVG图像 这个提示怎么会有95个输入令牌呢OpenAI的分词器计算为10个Anthropic的计算结果是Opus 4.6为10个、Opus 4.7为30个、Sonnet 5/Fable 5为25个。向Kimi K3输入 hi 计算为86个令牌这表明可能存在一个85个令牌的隐藏系统提示。不过它拒绝透露这个提示。3. 视觉功能表现出色它生成的替代文本非常好。K3目前只有一种思考强度级别但最近通过对同一模型的不同思考强度级别运行相同的鹈鹕提示获得了不少有价值的信息能快速了解这些级别带来的影响。例如这是为GPT - 5.6模型家族制作的测试矩阵。实际上从鹈鹕测试中获得的主要收获有1. 它是对模型进行提示测试的 Hello World 练习。2. 能大致估算出一个简单任务的成本和推理情况。3. 确认模型能够输出有效的SVG图像并且具备基本的几何和空间感知能力。这对于在笔记本电脑上运行的小型模型来说尤为重要。4. 在同一模型家族的不同版本之间比较鹈鹕图像仍然很有趣。K3生成的鹈鹕图像相比Kimi 2.5有了显著改进。5. 这是一种可以分享的方式证明已经尝试过该模型。而且在Hacker News上带有鹈鹕图像的评论已经成为一种传统每次发布晚了都会有人问鹈鹕图像在哪里近期文章- 全新GPT - 5.6系列Luna、Terra、Sol —— 2026年7月9日- sqlite - utils 4.0现已支持数据库模式迁移 —— 2026年7月7日月度简报每月赞助10美元即可获得一份精心策划的月度最重要大语言模型LLM发展动态的电子邮件摘要。付费让少发邮件赞助并订阅