Hands-on Test of Kimi K3: Surprisingly Strong, Frustratingly Slow

Full text · 原文 6,352 字

文 | AIX财经（AIXcaijing），作者 | 雷晶，编辑 | 金玙璠 月之暗面最近动作不断。7月16日晚上，先悄悄上线了新模型Kimi K3，几小时后才在公众号正式发布公告。 但是吧，它藏得也不够严实。最近，代号为“Kivine”的匿名模型出现在了大模型竞技场榜单Arena上，被开发者们猜测为Kimi K3。它在前端生成和3D任务上的表现引发了密集讨论，甚至频频被用来与Anthropic的Fable 5、OpenAI的GPT-5.6 Sol对比。此外，Kimi开放平台上一个关于Kimi K3上线限时充值活动的页面被短暂泄露，虽然几小时后被撤下，但截图已被广泛传播，Kimi K3的热度在发布前就已经拉满。 我们照例先来看一下参数。Kimi K3拥有2.8万亿参数、原生视觉理解能力、100万Token上下文窗口。不过，实际可用的上下文长度受会员等级限制，最低档位会员Andante (49元/月）不支持调用，第二档位的会员Moderato（99元/月）仅支持256K，第三档位的会员Allegretto（199元/月）及以上等级才支持完整的1M上下文。 官方称其是全球首个开源的3万亿级别模型，面向长程编程、知识工作和推理等前沿智能场景而设计。这次的官方发布中甚至连官方品牌宣传视频都是Kimi K3自己剪辑的，它在56段原始素材里完成选片、卡点、动作匹配和音频处理。月之暗面用这种方式传递了一个信号，它能做出完整的、让人满意的复杂作品。 图源 / Kimi官方推文 官方给出的成绩单涵盖编码、通用Agent和视觉Agent三大板块，整体看下来，Kimi K3排名稳定在第三，个别维度甚至登顶。 除了官方给出的数据，在Arena凌晨更新的Code Arena榜单上，Kimi K3以1679的分数排在全球第一，超过了Claude Fable 5的1631分和GPT-5.6 Sol的1618分。Arena的榜单结果是来自用户的公开盲测，投票结束才会看到模型身份。Code Arena考察的主要是前端编程能力，这样来看，在这一场景里，Kimi K3的能力得到了验证。 目前Kimi K3已上线Kimi网页端、App、Kimi Work桌面端、Kimi Code和 API，默认思考强度拉到了max，low和high两种模式在后续更新中增加。API价格也值得关注，输入每百万Token20元，输出100元。换算下来，GPT-5.6 Sol的价格是输入5美元、输出30美元，Fable 5更贵，输入10美元、输出50美元，而Kimi K3的输出单价折合不到14美元，价格还便宜。不过，“便宜”是相对海外旗舰而言，对比自家上一代K2.6，K3的API输入价格实际涨了3倍多，输出价格涨了近4倍。 月之暗面在官方博文里坦诚地写了三个局限：Kimi K3对历史思考内容敏感，中途切换模型可能导致输出质量明显下降；训练偏向长程高难任务，面对简单的日常问题时容易替代用户做决定；与Fable 5和GPT-5.6 Sol相比，在用户体验上仍有差距。 那么，被用来和海外最强旗舰模型对比的Kimi K3，实际表现到底怎么样？ 01.Kimi K3实测：3D惊艳，速度拖后腿 Kimi K3正式上线不到24小时，X上的实测已经密集到可以按场景分类了。翻一圈下来，出现频率最高的测试方向有三个：3D交互生成、前端编程能力和视觉设计。综合各方测试来看，开发者们对Kimi K3的评价大多集中在这几个方面：3D和视觉生成能力最突出、前端UI的设计水准接近Fable 5、编码能力强但还没有超过最强闭源模型、速度是最大的短板。 还有网友指出Kimi K3在基准测试上全面超过了Opus 4.8，而Opus 4.8发布于5月28日，距今不到两个月。即便还不能说追平了最头部的闭源模型，国产开源与海外旗舰的差距，至少已经大幅压缩了。 具体看几个热度较高的测试。 科技博主Chris在模型正式发布前就拿到了Kimi K3的匿名测试版本，让Kimi K3和GPT‑5.6 Sol（extra high）分别做一个体素死星壕沟飞行进行对比，他表示GPT-5.6在光照和特效方面更好，但Kimi K3的画面更流畅。模型正式发布后，他又用Kimi K3构建了一个CS:GO×Portal克隆游戏，三轮对话、花费约60万Token，按API定价算下来只花了3.24美元，并配文“免费独立游戏开发的时代比你想象的还要近”。 有网友用樱花盆景测试Kimi K3的SVG视觉生成能力，发现Kimi K3在树干扭曲、分层树冠等细节上甚至比Fable 5更贴合要求。也有人测试了水流效果的生成，称Kimi K3能模拟出逼真的水波纹，保持物理上的连贯性。 当然，推特上的测试终归是千人千面。模型好不好用，还是得自己上手。 我们先从最常规的场景开始。让Kimi K3制作一份咨询报告风格的端侧AI行业研究，要求包含时间线、树状图、瀑布图等呈现形式。对AI来说，算是比较基础的测试。 整体色彩搭配协调，视觉完成度较高。从实际结果来看，这份报告的完成度较高，脉络、产业链、市场规模等章节层层推进，没有出现前后章节自说自话的割裂感，信息密度也比较到位。不过，数据引用比较单一，基本只用了智次方研究院和集微半导体大会报告，缺乏多来源数据的交叉验证。 这只是前菜，接下来看看几个最受关注的功能。 先看3D交互生成。我们先让它用Three.js生成一个可探索的微型城市，要有高低错落的建筑、街道、树木、一条穿城而过的小河，同时需要一个昼夜循环系统。 Kimi K3生成的微型世界 提示词里要求的元素都没有落下，画面、配色和谐，能看出在设计上花了心思。但细节不够到位，会出现树和路灯挡在路中间的情况。 再来看看前端编程能力。我们给了它一个GitHub上开源的考察前端编程能力的复杂题目。这道题目要实现化学实验的交互演示，主要考察数学计算、计算几何能力和物理空间建模等能力。 Kimi K3生成的化学实验交互演示 Kimi K3交出来的成品有亮点也有瑕疵。先说做得好的部分，泡沫从瓶口涌出的过程很自然，喷射、扩散的节奏符合化学反应的表现，且喷射出来的粒子能看出泡沫的质感。但有一个遗漏，瓶身不透明，看不到瓶内的液体，说明它在处理容器液面渲染时做了简化处理。 接着，看视觉设计。我们让它构建一个莫奈《睡莲》风格的沉浸式全景世界。 Kimi K3生成的《睡莲》风格全景世界 Kimi K3的成品在视觉表现上确实有亮点。整体的设计符合莫奈《睡莲》的风格，可以选择场景、船速、天色等，不过在船经过睡莲时会出现莲花穿过船的错位现象，物理渲染有瑕疵。 最后，看看官方提到的视频剪辑功能。 我们给了它2026世界人工智能大会的官方宣传视频、官方海报和大会的议程推文，让它基于此做一个30秒的宣传视频。它处理得比较仔细，合成视频后并没有直接交付，还会自己进行质检，发现问题后再修正，最终花了近两个小时才完成。 成片整体达到了宣传片应有的样子，它还配了背景音乐和口播旁白，不过口播声音较小，不太能听清。考虑到它生成视频的速度确实很慢，如果是比较简单的视频，自己动手可能速度更快，如果手头有大量素材、需要一个能自主完成选片和粗剪的助手，可以让它来试试。 几轮测下来，Kimi K3在视觉审美和3D生成方面确实有优势，但速度始终是绕不过去的问题。同一场景生成时间约为GPT-5.6 Sol的两到三倍，瀑布场景近半小时，视频剪辑近两小时。综合来看，Kimi K3在“审美直觉”上有明显优势，但在“工程可靠性”和“速度”上仍有明显短板。 关于Kimi K3生成速度慢的原因，官方未作说明。可能的因素包括：2.8万亿参数的推理计算量大、max档位默认开启深度思考、推理基础设施尚未充分扩容等。随着后续开放low和high档位，速度问题可能会有所改善。整体而言，K3给人的感觉是一个能力上限高，但体验还没完全跟上的选手。 02.Kimi K3 vs GPT-5.6 Sol：Sol赢在可靠，K3赢在审美 单独体验完Kimi K3之后，自然会想，它到底能不能打得过对标的海外头部选手呢？我们就拿上周刚全量发布的GPT-5.6 Sol来对比，选了三个场景，用同一套提示词分别喂给两个模型，看看谁更经得起实战。 场景一：3D迷宫游戏 我们让它们生成一个第一人称的3D迷宫游戏，让玩家用WASD和鼠标控制，角落需要配置小地图显示已探索区域，用闪烁火炬照明，60秒倒计时，到达出口显示胜利画面。 这套提示词里包含了好几个独立的功能需求，考验的是模型把算法、3D渲染、交互逻辑和视觉效果一次性协调到位的综合能力。 GPT-5.6 Sol干活非常快。Kimi还在加载的时候，Sol这边已经能开始玩了；我们在Sol上跑了好几轮，Kimi K3才把游戏交出来。 回到游戏本身，Sol生成的画面风格偏写实常规，火炬和墙面中规中矩，更像一个不会出错的合格成品。 GPT-5.6 Sol生成的迷宫游戏 再看Kimi K3，速度是最明显的短板，生成时间接近Sol的两到三倍。不过Kimi K3交付的成果整体视觉带有像素风，火炬、墙面纹理都更有设计感，光线更暗，可玩性更高。 Kimi K3生成的迷宫游戏 这个场景的差异主要在于速度和审美。GPT-5.6 Sol快、稳，是需要快速得到一个可用成品时的首选；Kimi K3虽慢，但出来的东西更有辨识度。愿意多等一会、对视觉有要求，Kimi K3值得一试。 场景二：杯子倒水物理仿真模型 接下来这道题来自GitHub上开源的复合型工程化编程测试，要求实现杯子装水和倒水的物理仿真，综合考察数学建模、物理直觉、图形学处理和边缘情况处理。 GPT-5.6 Sol交了一份合格的答案。装水时水粒子老老实实待在杯子里，没有穿模泄漏；倒水时水从杯口流出，符合物理规律。 GPT-5.6 Sol生成的杯子倒水仿真模型 Kimi K3在这道题上“翻车”了。第一次生成存在两个硬伤：一是装水时，水粒子穿透杯壁漏出去了；二是倒水时，水从杯底流出。经提醒之后Kimi K3做出了改正，但改得也很慢，最终结果符合要求。 Kimi K3生成的杯子倒水仿真模型 这个场景GPT-5.6 Sol获胜。值得注意的是，官方在K3的介绍中特别强调了视觉理解与空间推理的结合提升，但至少在这道题上，它的物理仿真还没做到一次到位。 场景三：3D交互视觉设计 最后看视觉设计，这道题同样来自GitHub上的开源题目。我们让它用Three.js创建一个尼亚加拉大瀑布全景。这道题主要检验视觉审美能力和工程能力。 GPT-5.6 Sol在功能完整性上一如既往地稳，连按钮命名都忠实还原了提示词的措辞。但问题在于，它有点“敷衍”。在这个考题中，水应该是最出彩的主角，提示词要的是玻璃质感的绿水、带透光的白色水幕，拿到手的是一大片白色粒子糊在悬崖面上，不够有美感。此外，彩虹这一提示词里提到的元素，也没有出现。 GPT-5.6 Sol生成的瀑布全景 Kimi K3这边更用心。画面整体更精美，GPT-5.6 Sol缺失的彩虹它没有落下。在水的渲染上，Kimi K3处理得更自然，更接近真实瀑布水汽氤氲的视觉体验。当然，Kimi K3生成的速度依旧很慢，花了近半小时才做好。 Kimi K3生成的瀑布全景 三轮测试的结论可以总结为：要又快又稳的成品选Sol，但弱项在于审美，更倾向于“完成需求”；要视觉上有辨识度的成品选K3，但速度和一次性准确率是硬伤，K3需要你付出两到三倍的时间成本。 03.结语 看完实测，我们把视角转向Kimi K3背后的公司月之暗面。 2025年12月，月之暗面完成C轮融资5亿美元，由IDG领投，阿里、腾讯等老股东超额认购，投后估值43亿美元。今年5月，完成约20亿美元融资，投后估值突破200亿美元；6月底，又启动新一轮融资，投前估值已升至315亿美元。 支撑估值增长的除了模型能力，还有收入增速。3月，Kimi的ARR（年度经常性收入）突破1亿美元，6月中旬达到3亿美元，三个月增至3倍。这轮增长还是在API持续调价的情况下实现的。此前K2到K2.7 Code涨价约60%，ARR仍保持增长；但K3相比K2.6涨幅更为激进，这一价格水平下的市场接受度尚待观察。 图源 / Kimi官方推文 目前，API贡献了Kimi总收入的七成以上，海外API收入也已超过国内。API是Kimi收入的基本盘，订阅数据则补充证明了其海外个人用户的付费意愿。根据Stripe的数据，Kimi个人订阅用户1月支付订单数环比增长8280%，2月环比再涨123.8%，进入Stripe全球榜单前十，成为首个闯入前十的中国AGI产品。 月之暗面试图构建这样一套路径：用开源模型吸引全球开发者，通过开发者工具进入真实工作流，再将对稳定性、速度和服务要求更高的用户转化为API客户。理论上，这条路径可以形成飞轮效应：模型能力带来开源影响力，开源带来开发者，开发者转化为API收入，收入再支持训练和推理投入。但能否真正跑通，还需要开发者留存率、API客户转化率等数据来验证。 当越来越多的收入来自API调用和订阅，传统软件工具的统计口径也开始失真。这也解释了IDC市场份额与大模型公司ARR之间出现错位。7月16日，IDC发布了2025年中国AI编程市场份额报告，总规模3.99亿元人民币，阿里Qoder以47.6%的份额位居第一，超过第二到第五名总和；智谱CodeGeeX排名第二，份额11.5%。7月17日，多家媒体披露智谱的ARR已达10亿美元，半年增长15倍。 这种反差说明AI编程行业的价值正在从传统软件销售，逐渐转向API调用和订阅等新模式。随着市场衡量标准发生变化，行业竞争也开始进入新的阶段。 在这一背景下，月之暗面与智谱的竞争，不再只是比市场份额，还要看谁能更快把高速增长转化为可持续收入。 月之暗面目前仍处于讲增长故事、兑现长期空间的阶段，主要展示增长速度和远期空间，而已经上市的智谱则必须持续接受收入兑现、成本控制和盈利路径的检验。两家公司都证明了AI编程付费需求远超预期，只是所处的发展阶段不同，因此市场关注点也已经发生变化。 从时间节点看，Kimi K3发布的节点很微妙。月之暗面正在筹备港股IPO，Kimi K3不只是一轮产品更新，也像一次上市前的能力宣示。但IPO最终检验的不会是榜单成绩，还有3亿美元ARR能否持续、客户是否留存、推理成本能否控制，以及技术优势能保持多久。 把时间轴拉到18个月前，当时国产大模型的话题还是能不能追上GPT-4，而现在的对标对象已经变成了Claude Fable 5和GPT-5.6 Sol。Kimi K3不一定是最终追上的那个模型，但它证明了国产大模型已经具备和海外巨头掰手腕的能力。 “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

Site key	ifeng
Policy area	人工智能
Category	report
CMS	媒体报道

Hands-on Test of Kimi K3: Surprisingly Strong, Frustratingly Slow

实测Kimi K3：强得意外，慢得着急