Kimi K3 登場：2.8 兆參數開源模型，部分跑分反超 Claude Fable 5 的看點在哪
Moonshot AI 正式推出 Kimi K3，這是一款 2.8 兆參數的模型，官方稱之為目前全球最大的開源 AI 模型，跑分表現與 Anthropic、OpenAI 最頂尖的閉源系統打成平手。這句話聽起來像宣傳語，但今次真正值得留意的，不只是「大」，而是它在幾個關鍵基準上直接壓過了 Claude Fable 5 之外的絕大部分前沿模型，甚至在部分 agentic 任務跑贏 GPT-5.6 Sol Max。這篇文章想講清楚一件事：K3 到底新在哪、哪些升級點才是重點、以及這一波開源模型追趕閉源龍頭的節奏是不是真的變了。
今次真正新的是什麼
先撇開參數量。Kimi K3 是 Kimi 目前最強的旗艦模型，擁有 2.8 兆參數，建構在 Kimi Delta Attention（KDA，一種混合線性注意力機制）與 Attention Residuals 之上，原生支援視覺理解，並具備 100 萬 token 的上下文窗口，是全球首個 3 兆參數級別的開源模型，專為長時程程式碼、知識工作與推理等前沿場景設計。
這一代最關鍵的架構變化其實是三件事同時發生：
第一，attention 機制換血。KDA 為 attention 擴展提供高效基礎，而 AttnRes 則會跨層選擇性擷取表徵，而不是均勻累積，兩者合起來構成一個能穩定擴展到兆級參數以上的架構骨幹。
第二，稀疏度拉得非常極端。配合 Stable LatentMoE 框架，K3 從 896 個專家中僅實際啟動 16 個，加上訓練方法與資料配方的改進，這些結構調整讓 K3 的整體 scaling 效率大約是 K2 的 2.5 倍。這個「16/896」數字本身就是一個訊號：Moonshot 選擇了極稀疏路線，去把 2.8T 這個規模在推理成本上壓下來。
第三，從文字模型變成原生多模態。2.8T 總參數幾乎是整個 K2 系列共用的 1T 藍圖的三倍；K2 線是純文字優先，而 K3 原生對圖像與影片做推理，甚至支援逐幀影片問答；再加上永遠開啟的 thinking 模式，只留一個「思考力度」旋鈕，發表時直接鎖在最大值。
跑分打到哪個位置
Kimi 這次沒有含糊，直接把自己放在 Claude Fable 5 與 GPT-5.6 Sol 後面比較。官方定位 K3 是全球首個開源 3T 級別模型，設計目標涵蓋長時程程式碼、知識工作與推理；雖然整體表現仍落後於最強的閉源模型 Claude Fable 5 與 GPT 5.6 Sol，但在 Moonshot 的評測套件中一致地跑贏其他被測模型。
真正有趣的是它在幾個具體 benchmark 上的位置：
- 在 GDPval-AA v2 這個涵蓋 44 種職業、9 大產業真實任務的基準上，Kimi K3 拿到 1,687 分，排名第三，僅次於 Claude Fable 5 Max（1,815）與 GPT-5.6 Sol Max（1,747.8），並領先 Claude Opus 4.8（1,600）。
- 在 Artificial Analysis 的私有 agentic 長時程知識工作基準 AA-Briefcase 上，K3 以 1,527 分升上第二，擊敗 GPT-5.6 Sol Max 的 1,495，僅落後 Fable 5 Max 的 1,587。
- 發表時 Moonshot 報告 K3 在 GPQA Diamond 拿到 93.5%，是有史以來公開開源權重最高的分數，Terminal-Bench 2.1 拿到 88.3%，BrowseComp 更創下 91.2% 的紀錄。
換句話說，K3 沒有全面超車閉源龍頭，但它把「開源模型 vs 閉源模型」之間那個原本 8–12 個月的落差，硬生生壓縮到一個 benchmark 內幾十分的差距。K3 在 BrowseComp、SWE Marathon、OmniDocBench 上領先，但在 FrontierSWE 與 HLE-Full 落後於 Fable 5——這是一個很誠實的位置說明，不是全面第一，但已經是開源陣營從未站到的高度。
值得注意的四個升級點
如果只看四個東西，我會挑這幾項：
1. 長時程程式碼是這代真正的主戰場。 Kimi K3 具備強大的長時程程式碼能力，在極少人為監督下能持續執行長時間的工程任務、理解並處理大型 codebase、協調終端工具，並且擅長結合軟體工程與視覺推理的任務。這不是一句 marketing。Moonshot 特別強調 K3 在混合程式碼與視覺、空間推理的任務上進步最大，模型能在寫程式碼與程式碼實際渲染結果之間來回，靠 screenshot、log 和 test 結果決定下一步要修什麼；這正是遊戲開發、前端、CAD 與基礎設施調校這些場景需要的能力。
2. 100 萬 token 上下文不是紙面規格。 1M-token 上下文也體現在 BrowseComp 的結果上，Moonshot 表示 K3 以單一 agent 跑出 91.2 的 SOTA 成績，不需要任何上下文壓縮或變通手法去管理視窗。對比 K2.6 只有 256K，這是四倍擴張，對長 codebase 或多份長文件的處理是實質性的差別。
3. 兩個 tool use 新能力。 Kimi K3 支援自動上下文快取、tool call、JSON 模式、透過 JSON Schema 的結構化輸出，以及 partial 模式，另外還有兩個這代新加入的能力：tool choice constraints 與 dynamically loaded tools。動態載入工具這個特性對 agent 開發者不是小事，過去 tool schema 一次要全塞給模型，K3 允許運行中再掛工具，直接影響 agent 系統的可擴展性。
4. 永遠開啟的 reasoning。 K3 永遠啟用 thinking 模式，並透過頂層的 reasoning_effort 欄位設定思考力度；不要再用 K2.x 的 thinking 參數；目前 reasoning_effort 只支援最大值（預設），更多層級即將推出。這個設計取捨很明確：Moonshot 不再想給你「快模式」和「慢模式」兩個心智模型，而是統一走推理，只調投入多少。
開源承諾與價格的兩面性
K3 現在最矛盾的地方是價格。Kimi K3 的定價是快取輸入每百萬 token 0.30 美元、未命中快取的輸入每百萬 token 3 美元、輸出每百萬 token 15 美元，並包含完整 1,048,576 token 的上下文窗口；輸出價格高於 Moonshot 對 K2.7 Code 的定價，反映了規模的躍升，但仍遠低於 OpenAI 與 Anthropic 頂級模型的收費。
這裡有一個要留意的訊號。K3 是 Kimi 系列史上最大的一次代際跳躍：接近 3 倍的參數、4 倍的上下文、完整多模態，以及 5 倍於前代的價格；K2 王朝建立了 Moonshot「開源權重高性價比之王」的名聲，而 K3 選擇把這份名聲押注在挑戰王座上。以往 K2 系列相對 Opus 有 8–10 倍價差的甜點時代結束了。
對開發者的實務判斷：升級對多模態與長上下文工作是值得的，對純高流量 coding 反而是浪費，K2.7 Code 在每美元產出比上仍是更好的工具，且並未被停用。這句話比任何宣傳都更務實。
另一件事是權重釋出。完整模型權重將於 2026 年 7 月 27 日前釋出。也就是說，現在能用 API 但未能自架，真正的開源社群壓力測試要到那一天之後才會開始。
這代升級最容易被忽略的一點
很多報導把重點放在「2.8 兆」這個數字，但如果只看規模，會錯過真正的訊號。這一代把 attention 架構、稀疏度、多模態、推理模式四件事一次全換掉——這種同時動骨架的做法在開源模型史上很少見。K3 的整體 scaling 效率大約是 K2 的 2.5 倍，能更有效地把運算資源轉換為能力，這句話才是背後的關鍵：Moonshot 不是靠堆卡堆到 2.8T，而是靠架構效率把 2.8T 變得能跑得動、能訓得穩。
另一個容易被忽略的現實：跑一個這種規模的模型需要龐大的 GPU 基礎設施，2.8 兆參數的推理不是單一伺服器機架能處理的。Moonshot 官方建議使用 64 個以上加速器的 supernode 配置。所以「開源」在這裡是一個帶星號的詞——權重會公開，但能實際自己部署的團隊，會比 K2 世代少很多。
一句話總結
Kimi K3 的意義不在於它拿了幾個第一，而在於它把開源與閉源之間那條「差一代」的心理界線抹掉。跑分沒有全勝，價格也不再便宜，但當一個開源模型能在真實職業任務跟 Claude Fable 5、GPT-5.6 Sol 排在同一張表上比較，這件事本身就是新的常態。7 月 27 日之後，權重會真的落地，那時候才是這場開源反攻真正的體檢日。
追蹤以下平台，獲得最新AI資訊：
Facebook: https://www.facebook.com/drjackeiwong/
Instagram: https://www.instagram.com/drjackeiwong/
Threads: https://www.threads.net/@drjackeiwong/
YouTube: https://www.youtube.com/@drjackeiwong/
Website: https://drjackeiwong.com/
