# Kimi K3 評測：開源權重已發布，效能、授權與部署成本一次看 - 連結：https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/ - 發佈時間：2026-07-17T14:09:34+08:00 - 作者：David 2.8 兆總參數、100 萬 Token 上下文、原生視覺能力，以及針對長時間程式開發、知識工作 與複雜 Agent 任務所做的強化——單看規格，K3 已經足以成為今年最受矚目的模型之一。Moonshot 預計在 **2026 年 7 月 27 日**釋出完整權重；在那之前，更精確的稱呼應該是「即將開放 權重」，而不是已經完全開源，因為授權條款與實際可下載檔案仍是判斷它是否真正開放的 關鍵。 但 K3 真正引發震動的地方，不是「又出現一個更大的模型」，而是它把一個延續多年的產業 共識推到了失效邊緣： > 開源模型落後閉源旗艦半年，這句話可能已經不再成立。 過去開源模型追趕 GPT、Claude，常常像是在追逐一條移動中的終點線。當開源陣營終於摸到 上一代旗艦，閉源公司又已經推出下一代產品。 K3 改變的，是這種時間差。 它或許仍然沒有全面擊敗最強的閉源模型，卻已經從「追趕者」變成必須被放進同一張比較 表的競爭者。 而這兩者之間，差別很大。 ## K3 在牌桌上的位置：跟 Opus、GPT 怎麼排 內容目錄 [Toggle](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#) * [K3 在牌桌上的位置：跟 Opus、GPT 怎麼排](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#k3_%e5%9c%a8%e7%89%8c%e6%a1%8c%e4%b8%8a%e7%9a%84%e4%bd%8d%e7%bd%ae%ef%bc%9a%e8%b7%9f_opus%e3%80%81gpt_%e6%80%8e%e9%ba%bc%e6%8e%92) * [為什麼這次發布引爆全網討論](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e7%82%ba%e4%bb%80%e9%ba%bc%e9%80%99%e6%ac%a1%e7%99%bc%e5%b8%83%e5%bc%95%e7%88%86%e5%85%a8%e7%b6%b2%e8%a8%8e%e8%ab%96) * [第一派：開源終於有了「旗艦級體感」](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e7%ac%ac%e4%b8%80%e6%b4%be%ef%bc%9a%e9%96%8b%e6%ba%90%e7%b5%82%e6%96%bc%e6%9c%89%e4%ba%86%e3%80%8c%e6%97%97%e8%89%a6%e7%b4%9a%e9%ab%94%e6%84%9f%e3%80%8d) * [第二派：2.8 兆參數是超跑海報，不是家用汽車](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e7%ac%ac%e4%ba%8c%e6%b4%be%ef%bc%9a28_%e5%85%86%e5%8f%83%e6%95%b8%e6%98%af%e8%b6%85%e8%b7%91%e6%b5%b7%e5%a0%b1%ef%bc%8c%e4%b8%8d%e6%98%af%e5%ae%b6%e7%94%a8%e6%b1%bd%e8%bb%8a) * [第三派：Benchmark 很漂亮，但先別急著刪掉 Claude](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e7%ac%ac%e4%b8%89%e6%b4%be%ef%bc%9abenchmark_%e5%be%88%e6%bc%82%e4%ba%ae%ef%bc%8c%e4%bd%86%e5%85%88%e5%88%a5%e6%80%a5%e8%91%97%e5%88%aa%e6%8e%89_claude) * [第四派：這是中國模型正式進入前沿競爭的訊號](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e7%ac%ac%e5%9b%9b%e6%b4%be%ef%bc%9a%e9%80%99%e6%98%af%e4%b8%ad%e5%9c%8b%e6%a8%a1%e5%9e%8b%e6%ad%a3%e5%bc%8f%e9%80%b2%e5%85%a5%e5%89%8d%e6%b2%bf%e7%ab%b6%e7%88%ad%e7%9a%84%e8%a8%8a%e8%99%9f) * [2.8 兆參數很大，但「大」不是重點](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#28_%e5%85%86%e5%8f%83%e6%95%b8%e5%be%88%e5%a4%a7%ef%bc%8c%e4%bd%86%e3%80%8c%e5%a4%a7%e3%80%8d%e4%b8%8d%e6%98%af%e9%87%8d%e9%bb%9e) * [100 萬 Token，不等於模型真的記得一切](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#100_%e8%90%ac_token%ef%bc%8c%e4%b8%8d%e7%ad%89%e6%96%bc%e6%a8%a1%e5%9e%8b%e7%9c%9f%e7%9a%84%e8%a8%98%e5%be%97%e4%b8%80%e5%88%87) * [K3 的官方 Demo 很精彩，但要看懂它證明了什麼](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#k3_%e7%9a%84%e5%ae%98%e6%96%b9_demo_%e5%be%88%e7%b2%be%e5%bd%a9%ef%bc%8c%e4%bd%86%e8%a6%81%e7%9c%8b%e6%87%82%e5%ae%83%e8%ad%89%e6%98%8e%e4%ba%86%e4%bb%80%e9%ba%bc) * [價格：比 Opus 便宜，但絕對不算廉價](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e5%83%b9%e6%a0%bc%ef%bc%9a%e6%af%94_opus_%e4%be%bf%e5%ae%9c%ef%bc%8c%e4%bd%86%e7%b5%95%e5%b0%8d%e4%b8%8d%e7%ae%97%e5%bb%89%e5%83%b9) * [K3 和 GLM 5.2，誰是中國開放模型第一？](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#k3_%e5%92%8c_glm_52%ef%bc%8c%e8%aa%b0%e6%98%af%e4%b8%ad%e5%9c%8b%e9%96%8b%e6%94%be%e6%a8%a1%e5%9e%8b%e7%ac%ac%e4%b8%80%ef%bc%9f) * [我對 K3 的五個看法](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e6%88%91%e5%b0%8d_k3_%e7%9a%84%e4%ba%94%e5%80%8b%e7%9c%8b%e6%b3%95) * [一、K3 是開放模型的里程碑，但不是開放模型的勝利](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e4%b8%80%e3%80%81k3_%e6%98%af%e9%96%8b%e6%94%be%e6%a8%a1%e5%9e%8b%e7%9a%84%e9%87%8c%e7%a8%8b%e7%a2%91%ef%bc%8c%e4%bd%86%e4%b8%8d%e6%98%af%e9%96%8b%e6%94%be%e6%a8%a1%e5%9e%8b%e7%9a%84%e5%8b%9d%e5%88%a9) * [二、K3 的真正對手不是 GPT，而是整套 Claude 工作流](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e4%ba%8c%e3%80%81k3_%e7%9a%84%e7%9c%9f%e6%ad%a3%e5%b0%8d%e6%89%8b%e4%b8%8d%e6%98%af_gpt%ef%bc%8c%e8%80%8c%e6%98%af%e6%95%b4%e5%a5%97_claude_%e5%b7%a5%e4%bd%9c%e6%b5%81) * [三、模型變強之後，稀缺資源會從「答案」轉向「驗收」](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e4%b8%89%e3%80%81%e6%a8%a1%e5%9e%8b%e8%ae%8a%e5%bc%b7%e4%b9%8b%e5%be%8c%ef%bc%8c%e7%a8%80%e7%bc%ba%e8%b3%87%e6%ba%90%e6%9c%83%e5%be%9e%e3%80%8c%e7%ad%94%e6%a1%88%e3%80%8d%e8%bd%89%e5%90%91%e3%80%8c%e9%a9%97%e6%94%b6%e3%80%8d) * [四、100 萬 Token 會讓企業更容易犯下一個錯：以為資料塞進去就等於知識管理](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e5%9b%9b%e3%80%81100_%e8%90%ac_token_%e6%9c%83%e8%ae%93%e4%bc%81%e6%a5%ad%e6%9b%b4%e5%ae%b9%e6%98%93%e7%8a%af%e4%b8%8b%e4%b8%80%e5%80%8b%e9%8c%af%ef%bc%9a%e4%bb%a5%e7%82%ba%e8%b3%87%e6%96%99%e5%a1%9e%e9%80%b2%e5%8e%bb%e5%b0%b1%e7%ad%89%e6%96%bc%e7%9f%a5%e8%ad%98%e7%ae%a1%e7%90%86) * [五、K3 最大的風險不是模型不夠強，而是它太難被廣泛部署](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e4%ba%94%e3%80%81k3_%e6%9c%80%e5%a4%a7%e7%9a%84%e9%a2%a8%e9%9a%aa%e4%b8%8d%e6%98%af%e6%a8%a1%e5%9e%8b%e4%b8%8d%e5%a4%a0%e5%bc%b7%ef%bc%8c%e8%80%8c%e6%98%af%e5%ae%83%e5%a4%aa%e9%9b%a3%e8%a2%ab%e5%bb%a3%e6%b3%9b%e9%83%a8%e7%bd%b2) * [結論：K3 沒有終結閉源模型，但終結了一種想像](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e7%b5%90%e8%ab%96%ef%bc%9ak3_%e6%b2%92%e6%9c%89%e7%b5%82%e7%b5%90%e9%96%89%e6%ba%90%e6%a8%a1%e5%9e%8b%ef%bc%8c%e4%bd%86%e7%b5%82%e7%b5%90%e4%ba%86%e4%b8%80%e7%a8%ae%e6%83%b3%e5%83%8f) * [FAQ](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#faq) * [Kimi K3 官方資料與延伸閱讀](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#kimi_k3_%e5%ae%98%e6%96%b9%e8%b3%87%e6%96%99%e8%88%87%e5%bb%b6%e4%bc%b8%e9%96%b1%e8%ae%80) * [相關閱讀](https://cloudsea35.com/cs35-20260717-kimi-k3-%e4%b8%80%e5%87%ba%e9%96%8b%e6%ba%90%e8%90%bd%e5%be%8c%e9%96%89%e6%ba%90%e5%8d%8a%e5%b9%b4%e9%80%99%e5%8f%a5%e8%a9%b1%e8%a9%b2%e4%b8%9f%e4%ba%86%e4%bd%86%e4%bb%a3%e5%83%b9/#%e7%9b%b8%e9%97%9c%e9%96%b1%e8%ae%80) ![Kimi K3 與 Claude Opus、GPT-5.6、GLM 5.2 效能比較](https://i0.wp.com/cloudsea35. com/wp-content/uploads/2026/07/image-1.png?resize=1024%2C559&ssl=1 "Kimi K3 評測： 開源權重已發布，效能、授權與部署成本一次看 1") 根據 Artificial Analysis Intelligence Index v4.1，Kimi K3 Max 的分數約為 **57.1**。 若以每個模型家族的最佳設定計算，它排在 Claude Fable 5 Max 的 59.9 與 GPT-5.6 Sol Max 的 58.9 之後，進入全球前三名的討論範圍。Artificial Analysis 官方頁面目前以四捨五入 後的 57 分呈現，因此不同頁面可能會看到 57 或 57.1 的寫法。 這個排名當然不能直接解讀成「K3 是全球第三強」。 模型評測會受到提示詞、推理強度、工具框架、測試版本與 Agent Harness 影響。尤其 K3 的官方成績混用了 Kimi Code、Claude Code 與其他執行框架，目前也不是所有結果都已由 第三方完整重現。 不過，K3 的成績仍透露出一個明確訊號：它不是靠單一數學或程式基準刷出漂亮數字，而是 在多步驟工具使用、長時間任務和知識工作上，出現了相對一致的進步。 例如在模擬 44 種職業知識工作的 GDPval-AA v2 中，Artificial Analysis 公布的 K3 Elo 為 **1668**，超過 Claude Opus 4.8 的 1600、GPT-5.5 的 1494 與 GLM-5.2 的 1514，但 仍落後 Claude Fable 5。K3 在 AutomationBench-AA 也取得領先成績，顯示它的強項不只是「 回答問題」，而是串接工具、處理中間狀態並完成多步工作。  這是理解 K3 最重要的角度。 如果上一個時代的大模型是在比「誰知道得多」，現在的競爭已經轉向： * 誰能維持更長的任務狀態； * 誰能在失敗後修正路徑； * 誰能正確使用終端、瀏覽器和各種工具； * 誰能真正把工作交付出來。 K3 的價值，不只在於智能分數接近 GPT 或 Claude，而是它開始展現出一種過去多半只有頂 級閉源模型才有的「工作感」。 ## 為什麼這次發布引爆全網討論 ![Kimi K3 與 Claude Opus、GPT-5.6、GLM 5.2 效能比較](https://i0.wp.com/cloudsea35. com/wp-content/uploads/2026/07/image-2.png?resize=1024%2C559&ssl=1 "Kimi K3 評測： 開源權重已發布，效能、授權與部署成本一次看 2") K3 發布後，開發者社群的反應大致可以分成四派。 它們看似互相矛盾，但其實剛好反映了 K3 的四種不同身分：旗艦模型、開放權重模型、昂貴 的基礎設施，以及尚未完全成熟的新產品。 ## 第一派：開源終於有了「旗艦級體感」 最樂觀的聲音認為，K3 的突破不只是排行榜上的幾分，而是實際使用時開始接近頂級 Claude 的工作方式。 部分早期使用者把它形容為具有「Fable 級體感」：模型在長任務中比較不容易失去方向， 能持續呼叫工具，也更願意自行檢查結果，而不是做完第一步就停下來等人類指示。社群對 它在前端開發、視覺理解和長流程 Agent 任務上的初步反應尤其積極；Arena.ai 的前端開發 相關評測也將 K3 排在非常前面。  這種「體感」往往比 Benchmark 更難量化，卻可能更重要。 因為真正讓使用者依賴一個模型的，不是它在選擇題上多答對三題，而是它能不能在你離開 螢幕之後，繼續做對的事。 一個模型如果智力很高，卻每十分鐘就需要人類介入，那它仍然只是一個高級助理；如果它 能在數小時的任務中維持目標、管理上下文並修復錯誤，它才開始接近真正的代理人。 從這個角度看，K3 的突破不是「更會回答」，而是「比較能被交付工作」。 --- ## 第二派：2.8 兆參數是超跑海報，不是家用汽車 另一派的反應則務實得多。 2.8 兆總參數確實驚人，但它也讓「開放權重」與「人人可用」之間的距離變得非常明顯。 K3 採用高度稀疏的 MoE 架構，據公開資料是在 896 個專家中，每次選擇 16 個專家參與運算。 這能控制每個 Token 的實際計算量，但部署時仍然要處理完整模型權重、專家路由、記憶體 通訊與分散式推理等問題。Moonshot 建議使用 64 張以上加速卡的 Supernode 進行推理， 這顯然不是一般個人玩家能負擔的規模。 社群有人用了一個很傳神的比喻： > 1990 年代的年輕人會在房間貼超跑海報，夢想有一天能買一台；今天的 AI 玩家則在螢幕 > 上收藏 Kimi、DeepSeek 等模型，夢想有一天自己的機器跑得動。 這個比喻點出了當代開放模型的一個尷尬： **權重可以下載，不代表能力可以民主化。** 對一般使用者而言，K3 的權重即使公開，實際使用方式很可能還是透過 Moonshot API、第三 方雲端供應商或量化後的衍生版本。真正有能力完整部署的，仍然是雲端平台、研究機構與 大型企業。 所以 K3 是開放權重的里程碑，但還不是個人 AI 的里程碑。 --- ## 第三派：Benchmark 很漂亮，但先別急著刪掉 Claude 第三種聲音是典型的工程師懷疑論。 社群對 K3 的跑分感到興奮，但不少人仍想知道：它在真實專案裡能不能穩定地重現這些表現？ 目前首批實測對 K3 的視覺理解與前端頁面復刻能力評價不錯，但也有人反映 Agent 集群會 自動中止、排程卡住，以及部分客戶端尚未完整支援新 API 參數。這些回饋還不足以形成全面 結論，但提醒我們：模型能力與產品可靠性不是同一件事。 這也是為什麼我不建議因為 K3 發布，就立刻把現有的 GPT、Claude 或其他編程模型全部替換 掉。 Benchmark 測的是在特定環境中「最高可以做到什麼」；企業真正關心的，則是在大量、重複、 混亂的任務中「穩定能做到什麼」。 兩者之間隔著： * API 穩定性； * 工具呼叫成功率； * 長任務的失敗恢復； * 延遲與併發； * 內容安全規則； * 上下文快取； * 成本預測； * 版本是否會突然改變。 對開發者而言，一款模型最昂貴的地方，往往不是 Token，而是不知道它會在哪個步驟突然 失敗。 --- ## 第四派：這是中國模型正式進入前沿競爭的訊號 還有一種討論，已經超出模型本身。 Reuters 將 K3 放在中國 AI 實驗室加速開放模型的脈絡中觀察；包括 Moonshot、Z.ai、DeepSeek 等團隊，都正在用更快的發布週期、較低的使用成本與開放權重策略，挑戰「中國模型長期 落後美國數個月」的既有判斷。  這並不只是技術競賽，也是生態競賽。 美國頂級實驗室的核心商業模式，是把最強能力封裝在 API 與訂閱服務裡；中國模型廠商則 愈來愈常透過權重開放，換取全球開發者採用。 前者要的是收入與控制權，後者要的是擴散速度與生態位置。 對 Moonshot 來說，開放 K3 的真正目的，未必是讓每個人都在家裡架一套模型，而是讓未來 的 AI 工具、研究專案、企業平台和模型衍生版本，都有機會建立在 Kimi 的技術路線上。 權重是入口，生態才是終點。 ## 2.8 兆參數很大，但「大」不是重點 ![Kimi K3 與 Claude Opus、GPT-5.6、GLM 5.2 效能比較](https://i0.wp.com/cloudsea35. com/wp-content/uploads/2026/07/image-3.png?resize=1024%2C559&ssl=1 "Kimi K3 評測： 開源權重已發布，效能、授權與部署成本一次看 3") K3 的 2.8 兆參數很容易成為標題，但只看總參數其實會誤判它的技術意義。 由於它採用 Mixture of Experts 架構，並不是每生成一個 Token，就同時啟用全部 2.8 兆 參數。公開資料顯示，K3 以 Stable LatentMoE 搭配 896 個專家、每次選用其中 16 個； 然而完整的有效參數量、記憶體需求與不同硬體下的推理效率，仍有待正式技術報告與權重 發布後驗證。  我認為 K3 真正值得看的，不是「模型有多大」，而是 Moonshot 試圖解決三項限制： 1. **超長上下文怎麼跑得動；** 2. **超深網路中的資訊怎麼保留下來；** 3. **巨大 MoE 的專家怎麼穩定分工。** K3 採用 Kimi Delta Attention 與 Attention Residuals 等技術，目標是改善長序列處理 和深層資訊傳遞。換句話說，2.8 兆是結果，不是核心；核心在於 Moonshot 是否找到一種 方法，讓龐大的模型容量真正轉化成長任務能力。  如果只是參數更大、成本更高，K3 很快就會成為一座昂貴的技術紀念碑。 如果它能證明長上下文、工具使用與專家路由可以穩定結合，那它就可能成為下一代 Agent 模型的架構範本。 --- ## 100 萬 Token，不等於模型真的記得一切 100 萬 Token 上下文是 K3 的另一個賣點。 它可以一次容納大型程式碼倉庫、數百份報告、長時間 Agent 紀錄，或跨文件的研究材料。 對需要讀取完整專案、追蹤大量規格與處理複雜文件的使用者來說，這顯然比 128K 或 256K 更有彈性。  但這裡必須區分三件事： * 模型能不能「放進」100 萬 Token； * 模型能不能在其中「找到」正確資訊； * 模型能不能在數十輪任務後，仍然知道哪些資訊最重要。 上下文窗口比較像倉庫容量，而不是記憶力。 倉庫可以放進一百萬件物品，不代表管理員能在需要時立刻找到正確的一件。對 Agent 來說， 更關鍵的是資訊檢索、優先順序、狀態壓縮與錯誤恢復能力。 因此，K3 的 100 萬 Token 真正價值不在「可以塞更多」，而在 Moonshot 聲稱它可以不依賴 大量外部上下文壓縮，直接處理長時間工作的完整狀態。K3 在 BrowseComp 等長流程檢索測試 上取得亮眼成績，說明這個方向值得期待，但仍需要更多獨立的真實任務驗證。  --- ## K3 的官方 Demo 很精彩，但要看懂它證明了什麼 Moonshot 展示了幾個極具話題性的案例，包括長時間 GPU Kernel 最佳化、48 小時完成小型 晶片設計，以及在約兩小時內進行天體物理研究重現。相關案例涉及閱讀多篇論文、評估數百 項狀態方程、產生數千行 Python 程式，或透過開源 EDA 工具完成晶片設計與驗證。 這些 Demo 最容易產生兩種極端解讀。 一種是：「AI 已經可以取代晶片工程師和科學家。」 另一種是：「這都是精心挑選的展示，沒有參考價值。」 我認為兩種說法都太快。 這些案例真正證明的，不是 K3 已經能獨立承擔完整專業職位，而是模型開始能在具備明確 目標、可操作工具和可驗證回饋的環境中，持續完成數十小時的工作。 這個能力對產業非常重要。 因為許多知識工作並不要求模型第一次就答對，而是要求它能： 1. 提出假設； 2. 執行工具； 3. 看結果； 4. 找出錯誤； 5. 修正方法； 6. 重新執行； 7. 最後交付成果。 這種迴圈，才是 Agent 從展示品走向生產力工具的關鍵。 ![Kimi K3 與 Claude Opus、GPT-5.6、GLM 5.2 效能比較](https://i0.wp.com/cloudsea35. com/wp-content/uploads/2026/07/image-4.png?resize=1024%2C559&ssl=1 "Kimi K3 評測： 開源權重已發布，效能、授權與部署成本一次看 4") ## 價格：比 Opus 便宜，但絕對不算廉價 K3 API 定價為每百萬 Token： * 快取命中輸入：0.30 美元； * 一般輸入：3 美元； * 輸出：15 美元。 Artificial Analysis 估算，K3 在其測試中的單任務成本約為 0.94 美元，接近 GPT-5.6 Sol 的 1.04 美元，低於 Claude Opus 4.8 的 1.80 美元；不過，它仍明顯高於 GLM-5.2 與 DeepSeek V4 Pro 等開放權重競品。 因此，「K3 很便宜」並不是一個準確的說法。 比較合理的說法是： > K3 用接近中高階閉源模型的價格，提供接近頂級閉源模型的能力。 這是一種旗艦定價，而不是開源福利價。 而且 K3 目前只有 Max 推理強度，推理模式長時間開啟，輸出 Token 又比輸入昂貴五倍。 如果沒有良好的快取設計、上下文管理與模型分流策略，帳單很可能迅速上升。 企業真正合理的做法，不會是把所有請求都丟給 K3。 比較務實的架構是： * 簡單問答交給小模型； * 日常程式修改交給編程專用模型； * 長文件與跨領域任務交給 K3； * 只有最複雜、最需要長時間規劃的任務，才使用最高推理設定。 K3 更像是 AI 團隊中的資深架構師，不是每封郵件都要出席的執行長。 --- ## K3 和 GLM 5.2，誰是中國開放模型第一？ 只看能力評測，K3 目前明顯領先。 Artificial Analysis 的資料顯示，K3 約為 57 分，GLM-5.2 約為 51 分；GDPval-AA v2 則是 K3 的 1668 對 GLM-5.2 的 1514。K3 權重已如期釋出，目前是能力最強的開放權重模型 之一。 但企業選模型時，能力不是唯一問題。 還需要考慮： * 授權是否允許商業使用； * 是否有地域限制； * 能不能修改與再散布； * 是否容易在現有硬體部署； * 社群工具是否成熟； * 推理成本是否可控； * 供應商是否提供長期維護。 完整權重與正式授權已於 7 月 27 日公開。Kimi K3 License 允許使用、修改、部署與衍生 開發，但 Model-as-a-Service 業務連續 12 個月總收入超過 2,000 萬美元時，商業使用前 需另行與 Moonshot AI 簽約；超過 1 億月活或每月收入 2,000 萬美元的商業產品也有介面 標示要求。 我的判斷是： **K3 贏在能力上限，GLM 5.2 暫時贏在部署現實。** 對追求最強 Agent 能力的團隊，K3 很有吸引力；對需要立即私有化部署、法律條款清楚、 成本可預測的企業，GLM 或其他較小模型可能更實際。 最強模型與最好用的模型，從來不是同一件事。 --- ## 我對 K3 的五個看法 ## 一、K3 是開放模型的里程碑，但不是開放模型的勝利 K3 證明開放權重模型可以進入前沿能力區間。 但閉源陣營沒有停止移動。Claude Fable 5 與 GPT-5.6 Sol 目前仍在部分綜合測試、輸出 品質和完整產品體驗上領先；K3 比較接近「站到旁邊」，而不是「完成超車」。 真正的勝利，要看半年後是否有大量開發者基於 K3 做出微調、量化、工具鏈和企業產品。 開放權重只是發布行為，開放生態才是長期結果。 --- ## 二、K3 的真正對手不是 GPT，而是整套 Claude 工作流 模型公司喜歡比較 Benchmark，但使用者不是在購買分數。 使用者購買的是一套可以工作的系統：模型、CLI、IDE、工具呼叫、檔案處理、記憶、權限、 安全、除錯與團隊協作。 Moonshot 同步推動 Kimi Code，顯示它也理解：只賣一個模型 API 已經不夠。下一階段的 競爭，不是 K3 能不能在某個程式測試贏 Claude，而是開發者願不願意把每天的工作環境搬到 Kimi 生態。 --- ## 三、模型變強之後，稀缺資源會從「答案」轉向「驗收」 當模型可以連續工作 48 小時，人類真正缺少的可能不再是產出能力，而是驗證能力。 誰來確認晶片設計真的可製造？ 誰來確認研究結果不是模型在錯誤假設上建立出一座漂亮建築？ 誰來確認幾千行自動生成的程式，沒有埋下安全漏洞？ Agent 能力愈強，人類的角色愈不會消失，而是從「親手完成」轉向「定義標準、設計驗證 與承擔責任」。 K3 如果真的讓長任務 Agent 普及，最先升值的能力，可能不是提示工程，而是測試、審核 和風險管理。 --- ## 四、100 萬 Token 會讓企業更容易犯下一個錯：以為資料塞進去就等於知識管理 企業看到長上下文，容易認為可以把所有文件都丟進模型。 但沒有整理過的制度、過期版本、互相矛盾的規範與缺乏權限標記的文件，放進 100 萬 Token 之後仍然是混亂，只是規模更大。 K3 可能降低資訊載入的技術門檻，卻不會替企業解決資料治理。 未來企業 AI 專案的差距，不只來自用了哪個模型，而來自誰擁有更乾淨的資料、更清楚的 權限，以及更可靠的驗收流程。 --- ## 五、K3 最大的風險不是模型不夠強，而是它太難被廣泛部署 2.8 兆參數讓 K3 取得了能力與行銷上的雙重優勢，也帶來龐大的部署難題。 如果一般企業最終仍只能透過 Moonshot API 使用，而無法有效私有化部署，那麼它的「開放 權重」價值就會比較偏向雲端供應商、國家級研究機構與大型科技公司，而不是普遍的開發 者民主化。 因此，7 月 27 日之後真正值得看的，不只是誰成功下載模型，而是： * 社群能否做出可用的量化版本； * vLLM 等框架多久能完整支援； * 部署需要多少張 GPU； * 稀疏 MoE 的跨卡通訊效率如何； * 精度下降能否控制； * 授權是否真的允許廣泛商用。 這些答案，會決定 K3 是一場產業革命，還是一座只有少數人能進入的技術地標。 --- ## 結論：K3 沒有終結閉源模型，但終結了一種想像 Kimi K3 尚未全面擊敗 Claude，也沒有讓 GPT 失去競爭力。 它的 API 不便宜，完整權重雖已釋出，但 2.8 兆參數的部署門檻、Kimi K3 License 的商業 條件，以及產品穩定性仍需要納入評估。 但它已經完成了一件很重要的事： > K3 終結了「頂級 AI 能力必然只存在於封閉平台」的想像。 過去，閉源模型的優勢建立在明顯的能力差距上。當這個差距縮小到幾分，競爭規則就會改變。 企業會開始問： * 為什麼要支付更高的閉源溢價？ * 為什麼不能保留自己的資料與模型控制權？ * 為什麼不能同時使用多家供應商？ * 為什麼模型不能像資料庫一樣被替換？ 而閉源廠商也必須拿出比「模型比較聰明」更完整的答案。 我的最終判斷是： **K3 不是開源擊敗閉源的那一刻，而是開源取得上桌資格的那一刻。** 它最大的成就不是排行榜第三，也不是 2.8 兆參數，而是讓整個產業第一次認真思考：如果 最強模型不再只能由少數美國公司控制，那麼下一個 AI 平台的主導權，究竟會落在誰手上？ 答案還沒有出現。 但從 K3 開始，這已經不再是一場只有 OpenAI、Anthropic 和 Google 能參加的比賽。 ## FAQ ### Q：K3 跟 Opus 4.8 誰強？ 整體智力 Opus 4.8 在 AA 榜上靠 Fable 5 兜底排更前，但 GDPval 實戰 Elo K3（1668） 贏 Opus 4.8（1600）。結論：K3 在 agentic 知識工作壓過 Opus 4.8，整體略輸閉源頂尖。 ### Q：K3 跟 GLM 5.2 差在哪？ 智力 K3 贏（AA 57 vs 51），但 GLM 5.2 是純 MIT 授權、無地域限制，拿到手更無顧慮。 兩個是中國開源雙雄，打不同位置。 ### Q：個人電腦跑得動嗎？ 基本不行，2.8 兆要大規模 GPU 叢集。先用 API 是現實路徑。 ### Kimi K3 權重已經發布了嗎？ 已發布。Moonshot AI 已於 2026 年 7 月 27 日釋出完整模型權重，並同步公布 Kimi K3 License。權重可從官方 GitHub 與 Hugging Face 取得，但 2.8 兆參數模型的儲存及推論 需求極高，不適合一般個人電腦部署。   ## Kimi K3 官方資料與延伸閱讀 * [Moonshot AI：Kimi K3 官方 GitHub](https://github.com/MoonshotAI/Kimi-K3) * [Kimi K3 官方 Hugging Face 模型頁](https://huggingface.co/moonshotai/Kimi-K3) * [企業私有化 AI 模型部署指南](https://cloudsea35.com/%e4%bc%81%e6%a5%ad%e7%a7%81%e6%9c%89%e5%8c%96-ai-%e6%a8%a1%e5%9e%8b%e9%83%a8%e7%bd%b2%e6%8c%87%e5%8d%97%ef%bc%9a%e9%9b%b6%e9%96%80%e6%aa%bb%e5%be%ae%e8%aa%bf%e5%88%b0%e4%b8%8a%e7%b7%9a-5-%e6%ad%a5/) * [AI Agent 實戰：Multi-Agent 生產級部署](https://cloudsea35.com/cs35-20260420-20260420-multi-agent-framework-compariso/) ## 相關閱讀 * [模型決策能力的評測方式](https://cloudsea35.com/claude-opus-5-enterprise-agent-decision-boundary/) ### 請按讚： 喜歡 正在載入... ### _相關_