Kimi K3 评测解读：长上下文、多模态与会话历史

发布解读，非本站实测。 本文依据公开资料整理，未完成本文模型的付费接口测试。厂商基准只适用于其公布的版本、数据集与条件；未提供可复核来源、原始值及换算方法的衍生评分已撤下。 开源大模型的历史，可以粗略分成"追赶闭源"和"逼平闭源"两个阶段。Moonshot（月之暗面）在 2026 年 7 月发布的 Kimi K3，被不少研究者形容为开源界的 "Sputnik 时刻"——它把开源模型的参数规模第一次推到了 2.8 万亿（2.8T），成为目前全球最大的开源模型，并在多项基准上逼近甚至追平闭源旗舰。

K3 的核心叙事不是"又便宜了一点"，而是规模 + 架构 + 开源三件事同时到位**：2.8T MoE（896 个专家）、全新 KDA（Kimi Delta Attention）架构、原生多模态 + 100 万上下文，并且权重完全开放。这让它在 GPQA（93.5%）、HLE（56%）、Terminal-Bench 2.0（88.3%）等基准上拿到了开源模型的历史最好成绩。这篇解读它的核心升级。

一、Kimi K3 在卷什么？官方公布的三件事

根据 Moonshot 官方发布，K3 的升级重点可以归纳成三个方向，全部围绕"用规模和架构换能力跃迁"。

1. 2.8 万亿参数：全球最大开源模型

K3 是目前全球最大的开源模型——2.8 万亿参数，采用 Mixture-of-Experts（MoE）架构，共 896 个专家，每个 token 激活 16 个。相比 Kimi K2 的 1T 参数，这是一次近 3 倍的规模跃迁，也是开源阵营第一次在规模上压过闭源旗舰。

2. KDA 新架构：规模效率提升 2.5 倍

单纯堆参数不算本事，K3 同时引入了全新架构来保证规模效率：Kimi Delta Attention（KDA） + Attention Residuals + Stable LatentMoE 框架 + Per-Head Muon 优化器。官方称整体规模效率相比 K2 提升约 2.5 倍——意味着同等算力下能力更强。它还从 SFT 阶段就开始做量化感知训练（MXFP4 权重 / MXFP8 激活），让这个 2.8T 巨兽比想象中更容易部署。

3. 原生多模态 + 100 万上下文

K3 原生支持文本 + 视觉输入，上下文窗口 100 万 token。在软件工程场景里，它能直接"看截图做推理"——这是 K2 系列没有的能力。

官方公布的基准成绩：

来源：Moonshot Kimi K3 官方博客、BenchLM 基准汇总

值得注意的是，K3 在 AA Intelligence Index（57.1） 上位列第三，落后 Fable 5（59.9）和 GPT-5.6（58.9）——但在 GPQA（93.5%）和 Terminal-Bench（88.3%） 上已经追平甚至超越部分闭源旗舰。作为一个开源 + 可自部署的模型，这个成绩意味着它不只是"追赶者"，而是真正意义上的第一梯队成员。

二、Kimi K3 vs K2.7 Code：公开实测怎么看？

光看跑分不够直观。下面用公开第三方评测的方向性结论，把 K3 和上一代 K2.7 Code、以及闭源旗舰在具体维度上做个对比。以下结论来自公开第三方评测，非本站实测。

表 1：相对上一代 Kimi K2.7 Code 的提升

来源：公开第三方评测，2026-07

这对开发者意味着什么：K3 相比 K2.7 Code 的提升是全方位的代际跃迁——不只是编码更强，而是补齐了多模态、长程推理、超大上下文。K2.7 Code 仍是"纯编码性价比之选"，但如果你需要多模态或长程任务，K3 是明显更全面的升级。

表 2：与闭源旗舰 GPT-5.6 / Claude Fable 5 的取舍

来源：Moonshot / OpenAI / Anthropic 官方发布与公开评测，2026-07

这对开发者意味着什么：K3 用闭源旗舰一半的价格 + 开源可自部署，换来了接近第一梯队的能力。如果你的场景对数据隐私、可私有化部署、成本敏感（金融、医疗、政企、大规模跑量），K3 几乎没有对手。如果只是追求极致单点能力且不差钱，闭源旗舰仍有微弱优势。

三、它值多少钱？实时价格

价格组件显示美元基准价，token 价格按每百万 token 标注；实际分组倍率、缓存、阶梯与按次单位请核对完整价格页，人民币充值折算以充值页和账单为准。

K3 的定价（输入 $3 / 输出 $15 per M tokens）相比闭源旗舰 GPT-5.6（$5/$30）和 Claude Fable 5（$5/$25）几乎是半价水平，而且作为开源模型还可自部署。横向对比：

四、国内怎么调用？

apizt 已接入 Kimi K3（模型名 kimi-k3），高速直连无需翻墙，4 步接入几分钟跑通第一次调用：

import os
from openai import OpenAI

client = OpenAI(
  api_key=os.environ["tokenba_API_KEY"],
  base_url="https://api.apizt.com/v1"
)

response = client.chat.completions.create(
  model="kimi-k3",
  messages=[{"role": "user", "content": "你好"}]
)

print(response.choices[0].message.content)

核对这个型号的请求与结果

4 步跑通 · kimi-k3

横向对比与信息来源

五、该不该用它？

一句话总结：Kimi K3 是开源大模型第一次在"规模 + 能力 + 开放性"三件事上同时站稳的模型。它不是靠便宜取胜，而是用 2.8T 规模和全新架构，在能力上真正进入了第一梯队，同时保留了开源的可私有化优势。对于需要数据可控、成本可控、又想要旗舰级能力的团队，K3 是目前最务实的选择。

注册 apizt 后送的免费额度，足够你拿自己的真实任务验证它的推理与多模态能力——用自己的数据做决定，比看任何评测都准。

信息来源：本文能力描述来自 Moonshot Kimi K3 官方博客、BenchLM 基准汇总及公开第三方评测，非本站实测。价格数据为发布当日（2026-07-24）apizt 控制台快照，最新价格请以控制台价格页为准。