7月19日，月之暗面正式发布了Kimi K3大模型。产品与API同步上线，完整权重预计最迟于7月27日公开。此次发布意义重大，值得深入探讨。
K3的模型规模令人瞩目——总参数达到2.8万亿，原生支持视觉输入，上下文窗口高达100万词元。不过，真正使其在业界引起广泛关注的，是前端开发任务上的出色表现。在Arena榜单上，它暂时位居榜首。
K3在Arena前端开发榜暂居首位
根据Arena 7月16日更新的前端开发榜单，K3以1679分暂时领先，超过了Claude Fable 5的1631分和GPT-5.6 Sol的1618分。然而，Arena自身也标注这一成绩为“初步”——意味着投票数尚未达到稳定阈值，结论尚不确定。此外，该榜单的评估方向非常明确：聚焦于前端网页开发任务，特别是涉及多步推理与工具调用的智能体编程流程，并非模型整体的综合能力。
截至榜单更新时，K3仍被标记为“专有模型”，因为完整权重尚未公开。换言之，开源社区暂时无法获取该模型。
月之暗面方面保持清醒认知。公司在发布博客中指出，根据其内部基准测试，K3的综合表现仅落后于Claude Fable 5及GPT-5.6 Sol；但同时承认，整体用户体验与这两款模型相比仍有明显差距。最新列出的限制包括：思考历史传递不完整时，生成质量可能不稳定；面对模糊需求时，模型可能替用户做出过多决策。
“落后几个月”取决于比较维度
K3并非孤例。其他中国模型的测试结果也在逐步缩小差距。
彭博社报道称，K3发布前，Anthropic一位高管曾认为自家技术领先中国竞争对手约6到12个月。但K3问世后，加州大学伯克利分校教授、Arena联合创始人Ion Stoica判断，中国开放模型与前沿闭源模型之间的差距可能已缩短至2到3个月。
英国人工智能安全研究所7月17日发布的结果亦印证了这一趋势。GLM-5.2和DeepSeek V4-Pro在网络安全能力上，与早4到7个月发布的前沿闭源模型表现相近，远优于2025年大部分时间测得的6到10个月差距。不过，该机构明确提醒，该结论仅适用于网络安全测试，不能外推至其他能力；此外，其尚未对K3进行测试。
K3并非“更便宜的DeepSeek”
还有一个值得关注的维度——价格。月之暗面公布的K3 API价格为：缓存未命中时输入每百万词元3美元，输出15美元。这一价格已接近Anthropic的中档模型。开发者Simon Willison直言，这是当时中国AI实验室发布的单价最贵模型。
但单价并不等同于完成一项任务的实际成本。开发工具Cline公开测试了K3与Claude Fable 5，让两款模型修复同一个真实缺陷。两款模型均成功完成任务，但结果颇具对比性：K3花费0.92美元，Fable花费2.13美元，表面上看K3更便宜；然而，K3使用了约120万词元及34次工具调用，耗时12分钟，而Fable仅使用约73万词元及18次工具调用，3.5分钟便完成。这组实测数据表明，K3的任务总成本可能更低，但代价是完成速度更慢，消耗的词元与工具调用更多。这好比用更多、更便宜的砖块建造房屋——砖块成本降低，但施工时间却延长了。
