中国开源模型Kimi K3发布：在关键基准测试中超越Claude Fable和GPT-5.6 Sol
月之暗面（Moonshot AI）日前发布了全球规模最大的开源AI模型——Kimi K3。该模型在多个关键基准测试中表现抢眼，在写作能力上甚至超越了Anthropic的Claude Fable 5和OpenAI的GPT-5.6 Sol。
在由Towards AI推出的写作Elo排行榜上，Kimi K3以2840分高居榜首，超过Claude Fable 5（最高2760分）。该排行榜通过让模型撰写真实脚本，并与已发布的版本进行盲评，采用国际象棋Elo评分系统。此前该领域长期由Anthropic团队主导。
此外，在Arena AI的前端代码排行榜上，K3以1679分击败Fable 5的1631分，在七个前端领域中的六个占据第一名。该排行榜基于数千次人对代码生成任务的人工投票，同样采用Elo评分。
在涵盖编码、推理、智能体工作和知识等九项独立评估的人工分析智能指数（Artificial Analysis Intelligence Index，0-100分）中，K3得分为57，Claude Fable 5为60，GPT-5.6 Sol为59，Claude Opus 4.8为56。这意味着K3综合能力排名第三，仅比Fable 5低3%。
架构与性能
K3拥有2.8万亿参数，采用混合专家（MoE）架构，将参数拆分为896个专家子网络，每次任务仅激活其中一部分。这使得模型在保持前沿智能水平的同时，无需“融化服务器机房”。月之暗面表示，这是全球首个3万亿参数级别的开源模型，专为长时编码、知识工作和推理等前沿智能场景设计。作为对比，DeepSeek的V4-Pro参数上限为1.6万亿，月之暗面自己的K2为1万亿。K3的参数量几乎是最接近的开源竞争对手的两倍。
模型支持100万token的上下文窗口，具备原生图像和视频理解能力，并始终开启推理模式。两大架构创新提升了效率：Kimi Delta Attention在百万token上下文下可将解码速度提升6.3倍；注意力残差（Attention Residuals）则跨层选择性路由信息，以不到2%的额外计算成本带来约25%的训练效率提升。整体而言，K3的扩展效率约为K2的2.5倍。
价格优势
Kimi K3的API定价为每百万输入token 3美元，每百万输出token 15美元，与Anthropic的中端模型Claude Sonnet 5持平。但在九项基准测试中，K3的性能仅比顶级模型Fable 5低3%，而每任务成本仅为0.94美元，低于GPT-5.6 Sol的1.04美元和Opus 4.8的1.80美元。换言之，K3以中端价格提供了接近前沿的性能。
据Decrypt报道，今年年初中美前沿AI模型的定价差距高达15-30倍。K3并未像DeepSeek那样大幅降价，而是以西方中端模型的价格提供近乎前沿的性能，对API开发团队而言是重大成本改善。
如果Anthropic坚持仅通过API提供Fable 5，那么K3将成为距离行业第二名最近的开源替代品，且每任务成本仅为Opus 4.8的一半。
芯片限制下的突破
K3的发布为美国芯片出口管制政策的争议提供了新论据。美国自2023年底限制英伟达H800 GPU对华出口，月之暗面此前使用这些芯片训练了早期模型。K3的基准测试文档提及使用了H200以及“来自替代供应商的GPGPU”——外界普遍认为是华为昇腾硬件。
月之暗面总裁张宇彤在今年达沃斯论坛上表示：“我们知道没有奢侈的条件去单纯扩大算力……这迫使我们在基础研究和效率上集中精力。”美银分析师在发布后报告中写道，K3证明“预训练扩展与架构创新相结合，仍然可以在受限条件下为中国旗舰模型带来阶跃式提升”。月之暗面是所谓的“AI虎”初创公司之一，它们在没有华盛顿认为所需芯片的情况下，已经改变了全球模型格局。
需要注意的缺点
K3在AA-Omniscience基准测试中的幻觉率从前代K2.6的39%飙升至51%。即正确回答更多，但编造答案的情况也更多。模型自身文档也承认可能“过度主动”，在长时间自主任务中替用户做出意外决策。对于计划从K2.6升级的团队，需要重点测试幻觉差异。
免费版可以通过官网体验，但服务器拥堵导致任务频繁中断，几乎无法使用。建议订阅付费或通过API使用。
开源计划
模型权重将于7月27日发布，面向大型企业和商业用户。目前国内没有任何GPU（无论多大）能够独立运行如此规模的模型。