Kimi K3 发布：从“骑自行车的鹈鹕”测试看模型成本与能力
中国AI实验室“月球计划”AI 宣布基米K3 今天早上，他们将这款模型描述为“迄今为止最具能力的模型，拥有2.8万亿个参数”。 目前该模型已通过其官网和API提供使用，但官方承诺将在“2026年7月27日之前”公开其权重。
Moonshot 将此称为首个“开放的3T级模型”（我想他们把2.8万亿向上取整为3万亿）， 从而从…手中夺得桂冠。DeepSeek 1.6T v4 Pro他们的 自我报告的基准 K3 主要以 4.8 最高分和 5.5 高分击败了 Claude Opus，但输给了 Claude Fable 5 和 GPT-5.6 Sol。
以下是本次的几个亮点… 人工分析报告 在模型方面：
“在我们的私人长期知识工作评估中，Kimi K3 的整体 Elo 得分为 1547，比 Kimi K2.6 多出 732 分，仅次于 Claude Fable 的 5 分。”
“每项任务的成本（0.94 美元）与 GPT-5.6 Sol（1.04 美元）相近，约为 Opus 4.8（1.80 美元）价格的一半，但高于其他开源权重的模型。 ”
“Kimi K3 在人工智能人工分析指数中的令牌使用量显著下降，其输出令牌数量比 K2.6 减少了 21%。”
该模型现在也成为了… leading model on Arena.ai's Frontend Code arena，甚至超越了克劳德·法布尔5。
这款新模型的定价颇具特色：每百万输入令牌3美元，每百万输出令牌15美元， 使其与Anthropic的Claude Sonnet系列处于同一水平，并成为迄今为止中国人工智能实验室发布的最昂贵的模型。 这一价格相比他们早期的模型有了显著提升。如Kimi K2.6。 以0.95美元/4美元的价格，2.8万亿参数的模型规模也超过了1T模型的两倍。
但是，它究竟是如何做到的呢？
我使用了OpenRouter（为了避免注册Moonshot API密钥）来运行该模型。 LLM-OpenRouter 插件 生成一只鹈鹕骑自行车的 SVG 图：
llm -m openrouter/moonshotai/kimi-k3 '生成一只鹈鹕骑自行车的 SVG 图'
以下是… 成绩单. 看起来是这样：
那只鹈鹕使用了95个输入标记和16,658个输出标记（其中13,241个是推理标记）， 总成本为…25美分！
由于 K3 接受图像输入，我用上面渲染的 SVG 对其进行了测试（使用我的… 替代文本提示 ) 和 回来了 （用于… 0.6美分 ):
卡通插画中，一只戴着红色围巾的白色鹈鹕，骑着一辆红色自行车，沿着一条带有白色虚线的灰色道路前行； 这只鹈鹕拥有硕大的橙色鸟喙和蹼状的橙色脚掌在蹬踏，身后还点缀着白色的运动线条； 背景是一片浅蓝色的天空，飘浮着白云，一轮黄色的太阳，两只黑色的小鸟在空中飞翔， 前景是绿草如茵，点缀着细小的白色花朵。
从这只鹈鹕身上，我们能学到什么？
我的… 生成一只鹈鹕骑自行车的 SVG 图形。 目前测试已经21个月大了。它从来就不是什么特别出色的基准。 起初，这只是个玩笑，用来调侃这些模型的比较是多么荒谬地困难； 但就在第一年里，它竟然呈现出一个…令人惊讶的关联 到模型实际有多好。
那段联系如今几乎已经断绝。该… GPT-5.6 和 克洛德·法布尔5 鹈鹕被远远甩在了后面。 由GLM-5.2, 尽管我非常喜爱GLM，但我认为它并不是一个Fable级别的模型。
（我仍然不确信实验室是…） 基准测试的培训 - 如果它们是这样，我本会期待更好的结果。Gemini 有可能已经针对……进行了优化。 车辆上动物的任何组合 不过！ 鹈鹕最大的局限在于，它完全不会触及当今模型中最为关键的要素：主动的工具调用，以及随着对话不断延长而能够可靠地操作工具的能力。
所以，千万别用鹈鹕来对比各种模型！
尽管如此，我自己运行这个基准测试仍然能获得相当可观的价值。
首先，它迫使我们真正去尝试使用这个模型。 如果我向你展示一只鹈鹕，那就意味着我已经成功地将一个提示词输入了它。 如果模型有官方API，我会直接使用该API； 如果它是开放权重（而且体积足够小，可以装进一台128GB的M5 MacBook Pro），我也会尝试在自己的机器上运行它，通常会通过…llama.cpp 或 LM工作室或奥拉玛.我经常会用OpenRouter因为这通常能提供官方API的代理， 而我不需要新的API密钥。
我的大多数鹈鹕都是用我的LLM CLI工具这也促使我确保最新模型通过它的某个插件得到支持。
更重要的是，即使是单一提示“生成一只鹈鹕骑自行车的SVG”，也能揭示有趣的模型特性。
考虑结果今天为Kimi K3。运行这些简单的提示帮助我强调了模型的几个重点。
目前它只有一个理由，“max”——这点很明显。该模型消耗了13,241个推理标记，输出了3,417个响应标记。这很贵——鹈鹕花了25美分！
提示“生成一只骑自行车的鹈鹕的SVG”是如何加起来的95个输入标记的？ OpenAI 的分词器第10数，人类的作品4.6有10首， 作品4.7有30首，第5十四行诗/寓言第5首有25首。 提示“嗨”致Kimi K3数了86个令牌，暗示系统可能隐藏了85个令牌。 它拒绝泄露不过。
Vision效果很好：它生成的替代文本非常出色。
K3目前只有一个思考努力等级，但我最近通过运行同一个Pelican提示的不同努力等级， 快速了解这些努力带来的影响，获得了不少价值。 这是我的矩阵针对GPT-5.6模型家族例如。
不过说实话，我从鹈鹕测试中获得的主要收获是：
这是一个“你好世界”的练习，用来提示模型
简单任务的粗略成本和推理估算
确认模型能够输出有效的SVG，并且具备基本的几何和空间感知能力。对于运行在我笔记本上的小型机型来说，这问题要严重得多。
在同一型号系列中比较鹈鹕的不同版本仍然很有趣。 K3的鹈鹕比明显提升了Kimi 2.5.
这是我可以分享的，证明我尝试过。而且现在Hacker News上有鹈鹕的评论已经成了传统，每次我迟到都会有人评论问鹈鹕在哪里！
点赞
收藏
点踩
分享