7月19日，发布新一代模型Kimi K3，产品和API已上线，完整权重预计最迟7月27日公开。
K3总参数2.8万亿，原生支持视觉输入，上下文窗口100万词元。这次发布真正引发讨论的是它在前端开发任务上的表现；Arena榜单暂列第一。
Arena前端开发榜暂列第一
Arena 7月16日更新的前端开发榜单中，K3以1679分暂列第一，高于Claude Fable 5的1631分和GPT-5.6 Sol的1618分。Arena将这一成绩标为\"初步\"（即投票数未达到稳定阈值），并明确榜单衡量的是前端网页开发任务，包括需要多步推理和工具调用的智能体编程流程，而不是模型整体能力。
截至榜单更新时，K3仍被标为专有模型，因为完整权重尚未公开。
月之暗面自己的口径也更为克制。公司在发布博客中称，按其自有基准测试集，K3的综合表现仅落后于Claude Fable 5和GPT-5.6 Sol；公司同时承认，K3的整体用户体验与这两款模型仍有明显差距。官方列出的限制还包括：思考历史传递不完整时，生成质量可能变得不稳定；面对模糊需求时，模型可能替用户作出过多决定。
\"落后几个月\"取决于比较什么
K3之外，其他中国模型的测试也在缩小差距。
据彭博社报道，K3发布前，一名Anthropic高管仍认为其技术大约领先中国竞争对手6至12个月。K3发布后，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的差距可能已缩短到2至3个月。
英国人工智能安全研究所7月17日发布的结果显示，GLM-5.2和DeepSeek V4-Pro在网络安全能力上，与早4至7个月发布的前沿闭源模型表现相近，短于2025年大部分时间测得的6至10个月差距。该机构明确提醒，这一结果只适用于网络安全测试，不能外推到其他能力；它也尚未测试K3。
K3不是\"更便宜的DeepSeek\"
月之暗面给出的K3 API价格为：缓存未命中的输入每百万词元3美元，输出15美元，已经接近Anthropic的中档模型。开发者Simon Willison称，这是当时中国AI实验室发布的单价最贵模型。
但单价不等于完成一项任务的实际花费。开发工具Cline公开测试了K3和Claude Fable 5，让两款模型修复同一个真实缺陷，两款模型都完成了任务。K3花费0.92美元，低于Fable的2.13美元，但用了约120万词元和34次工具调用，耗时12分钟；Fable使用约73万词元和18次工具调用，3.5分钟完成。这一单任务实测显示，K3的任务总成本可能更低，因为它用更多轮次但每轮更便宜——代价是完成速度更慢，使用的词元和工具调用也更多。（易句）
（本文由AI翻译，网易编辑负责校对）
中承配资提示：文章来自网络，不代表本站观点。
