7月16日晚，月之暗面扔出K3
7月16日晚，月之暗面扔出了K3。K3拥有2.8万亿参数，在Frontend Code Arena测试中取得1679分的成绩，压过了Claude Fable 5的1631分。官方宣布，7月27日前将完整权重开源。官方博客里有这样一句话："整体表现仍落后于最强的闭源模型Claude Fable 5和GPT-5.6 Sol，但在我们的整套评测中展现出前沿水平的能力，并稳定超过了其他所有模型。"这种坦诚在国产大模型发布里实属一股清流。它不装全能，只是明确告知：在编程这个主战场上，它已经坐到了最靠前的位置。
消息放出来后，X上反应热烈
消息放出来后，X上瞬间炸锅，时间线被K3刷屏。海外开发者这次不再作壁上观，直接将其当成生产力工具来测试。
震撼派评价
Vercel的CEO Guillermo Rauch做了nextjs.org的综合Web工程评测。他的结论十分直接：K3领先Fable，开放模型第一次领先全部专有模型。而且，他还补充道：榜单不能讲完全部故事，最强模型的任务完成率也没有达到100%。要知道，这测的可是真实工程能不能交付，并非算法题。Arena.ai的数据更为直观：Frontend Code Arena中K3获得1679分，排名第1。此前K2.6排第18，K3直接跃升了17位，在7个前端领域中，有6个拿到第一。Artificial Analysis给出了独立评测：K3综合指数57，与Claude Opus 4.8、GPT-5.5处于接近区间；AutomationBench - AA得分53%居首；长程知识工作Elo 1547，仅次于Fable 5。其任务成本约0.94美元，低于Opus 4.8。连马斯克都在Artificial Analysis的推文下留言称"Impressive"。Sriram Krishnan的评价更为宏观，他把K3称为"对整个行业具有多重影响的重大时刻"。Emad Mostaque则更直接地表示："美国实验室最终会去蒸馏中国模型。"
冷静派看法
不过海外并没有被冲昏头脑。Simon Willison进行了他的经典鹈鹕SVG测试。结果显示，K3较K2.5有明显提升，图像理解也很好；但简单任务消耗了1.6万余输出Token，其中约1.32万是推理Token，成本约0.25美元。推理Token使用比重较大，其效率边界仍有待观察。Ivan Fioravanti在两项真实项目里称赞了K3的UI、设计和速度，认为它较好地遵循指令；但也指出模型"投入较多思考，偶尔越界加戏"，它会自行扩展任务范围，而不是严格停在用户划定的边界里。Bindu Reddy更为直接地提醒，K3榜单成绩"过于突出"，仍需用更难污染的测试继续验证，尚不能称为Opus级，特别是在长上下文、多轮、复杂Agent循环中。Redis作者antirez把K3放在开放权重模型快速进步的大背景里，同时强调：需要长期真实结果才能判断模型水平与实际贡献。X上的反应分成两派，但两派都承认一件事：K3让全球AI从业者不得不重新评估中国开源模型的位置。它已经从"便宜替代品"的选项，变成了一个需要认真对比的生产力工具。
从“便宜能用”到“贵得有道理”
如果把中国AI开源模型的全球冲击排个序，K3大概是第三次。第一次是DeepSeek。年初R1以低成本、高效率震动全球，证明中国模型能在有限算力下做出顶尖性能。其路线是"普惠"，旨在让全球开发者用得起。DeepSeek的定价策略是"量大管饱"，用极致性价比撕开市场。第二次是GLM。国内头部模型ARR半年从1亿飙到10亿，Code Arena盲测全球可用模型第一，证明中国模型能赚钱。其路线是"商业闭环"，用快速变现证明商业模式跑得通。第三次便是K3。它拥有2.8T参数，在Frontend Code Arena中排名第一，7月27日将开源完整权重。这是中国开源模型第一次同时在参数规模、前沿性能和全球开发者声量上冲击第一梯队。三次冲击，三条路线。DeepSeek证明"能便宜"，GLM证明"能赚钱"，K3证明"能贵得有道理"。这背后是一个更深层的变化：中国AI开源阵营正在从"速度套利"转向"价值定价"。过去12个月里，有9个月开源模型的参数上限由Kimi保持。K3并非突然冒出来的，它是一条连续路线的终点。从K2的1万亿参数到K3的2.8万亿，架构上是自研KDA混合线性注意力加上Attention Residuals，再配上MoE（896个专家激活16个），扩展效率提升约2.5倍。7月27日开源2.8T，但绝大多数开发者根本跑不起来。即使做了量化，本地部署也需要多张高端显卡。所谓"开源"，更像是开放一份"行业标准参考书"。说白了，开源是广告牌，API是收费站。你看得到、学得到，但用不起，最终还得回来找它。把KDA贡献给vLLM社区，是在买生态门票。产业界早就在用这套玩法：输出技术标准、建立开发者认知、降低试用门槛，最终把流量导向API。
贵有贵的代价
K3的"性格"十分鲜明。它愿意投入大量推理换交付质量，但在简单任务里显得"用力过猛"。Fioravanti在真实项目里发现，K3"投入较多思考，偶尔越界加戏"，会自行扩展任务范围，而不是严格停在用户划定的边界里。Willison的实测更量化：简单任务消耗1.6万余输出Token，其中约1.32万是推理Token，成本约0.25美元。默认max模式下，推理Token占比极高。这更像是K3自带的工作风格。它假设用户愿意为交付质量付溢价，所以默认拉满推理链条。但问题是：简单任务不需要这么重的思考。未来能不能在harness上做得更好、更节省Token，知道什么时候该停、什么时候该用力，是K3的下一道门槛。Token烧得快，意味着实际成本比账面价格更高。缓存命中0.30美元看起来很香，但默认模式下推理Token占比极高，简单任务也能烧出0.25美元。如果控制不好停止条件，成本会快速膨胀。Artificial Analysis的独立页面也指出，K3速度低于同档平均、输出偏冗长。K3走的不算普惠路线，更像生产力工具路线。它假设用户是愿意为好结果付溢价的企业开发者，不是追求极致性价比的个人用户。价格确实贵。API输出涨到15美元，未命中输入3美元，对比国产同行（DeepSeek、混元Hy3仅1元/百万token）明显更高。但第三方实测K3成本仅为Fable 5的四分之一。"贵"是相对于国产模型，相对于海外旗舰它依然是"高端性价比"。Kimi选了更难走、也更值钱的那条路。DeepSeek让全球开发者用得起，Kimi让全球开发者用得好。两条路没有高下，但K3证明了一件事：中国AI不仅能"便宜"，还能在高端生产力场景里卡位。
“局部领先、全局追赶”
当然，差距还在。官方自己承认整体落后Fable 5和GPT-5.6 Sol。Bindu Reddy提醒榜单需验证，antirez强调"要看长期真实结果"。在前端编程和Agent任务上，K3惊艳；在复杂统计和长程Agent循环上，它仍有明显距离。"局部领先、全局追赶"是K3最准确的画像。K3算不上稳妥的聊天机器人，它更像一个愿意主动行动、更擅长交付视觉结果、也更需要校验停止条件的Agent模型。
小小震撼，刚刚好
K3没有宣称全面超越，它只是在特定战场证明中国开源模型可以坐第一排。X上的热议、Vercel CEO的背书、外媒的"下一个DeepSeek时刻"，这些反馈本身说明，K3让全球AI从业者不得不重新评估中国模型的位置。有震撼也有遗憾，有领先也有短板。这种"刚刚好"的真实感，比任何"全面碾压"的宣传都更有说服力。
