Kimi K3：2.8万亿参数与“鹈鹕”基准测试的新视角

中国实验室Moonshot AI发布了其称为“迄今最强”的模型——拥有2.8万亿参数的Kimi K3。该公司将其定位为首款“开放3T级别”的模型（2.8万亿四舍五入至3万亿），超越了DeepSeek及其1.6T参数的v4 Pro。根据其自有基准测试，K3在多数指标上优于Claude Opus 4.8 max和GPT-5.5 high，但落后于Claude Fable 5和GPT-5.6 Sol。据Artificial Analysis的报告，在其私有评估中，K3的“长期知识”得分为Elo 1547，比Kimi K2.6高出732分，仅次于Claude Fable 5。单次任务成本（0.94美元）接近GPT-5.6 Sol（1.04美元），大约是Opus 4.8（1.80美元）的一半，但高于其他开放模型。与K2.6相比，K3的Token使用量降低了21%。该模型还在Arena.ai的Frontend Code排行榜上领先，甚至超越了Claude Fable 5。API价格方面，每百万输入Token 3美元，每百万输出Token 15美元——与Anthropic的Claude Sonnet系列持平，使K3成为中国AI实验室中最贵的模型。这相比Kimi K2.6（每百万输入/输出0.95美元/4美元）有显著上涨。2.8万亿参数是此前1T模型的2倍有余。作者通过OpenRouter测试了K3，生成了一个骑自行车的鹈鹕的SVG图像。该请求消耗了95个输入Token和16,658个输出Token（其中13,241个为推理Token），成本为25美分。在二次处理生成的SVG时，模型正确描述了图像（成本0.6美分）。作者指出，21个月以来，“鹈鹕”测试与模型整体质量的相关性已经丧失——目前表现最好的是GLM-5.2，但它仍未达到Fable级别。不过，该测试仍可作为“Hello World”使用：它能促使尝试模型，提供粗略的成本和推理时间估算，检验基本的几何理解能力以及生成正确SVG的能力。对于K3，测试发现模型目前仅使用单一推理强度级别（“max”），消耗大量推理Token，并提示可能存在隐藏的系统提示（85个Token）。模型生成的视觉描述质量相当不错。