国产模型正逐步缩小与全球领先模型的差距。
7月16日，月之暗面（Moonshot AI）推出了新一代旗舰开源基础模型Kimi K3，其参数规模达到了2.8万亿个，配备了100万Token的上下文窗口，由此成为全球开源模型中参数规模最大的一个。
这款模型迅速在科技界引起了广泛关注。开发者Chetaslua在社交平台X上发布帖子称其“超越了谷歌”“有望成为开源社区的又一个DeepSeek时刻”，而美国知名科技记者、主持人罗伯特·斯考伯（Robert Scoble）则转发表示“我的信息流里充斥着Kimi K3的消息”。
在基础模型方面，性能的较量依然是最大的看点。
官方公布的测评结果显示，K3的综合能力仅次于Anthropic的Claude Fable 5和OpenAI 的GPT-5.6 Sol，这两款是目前全球最顶尖的大参数旗舰模型。
这样的对比在开发者社区和媒体中被频繁提及，它既反映了中国模型对美国顶尖模型的追赶态势，也被视为开源模型在能力上接近闭源模型的证明。美国知名科技媒体Axios报道指出“Kimi新模型的性能让AI世界感到吃惊”。
有媒体报道称，K3被月之暗面内部视为对标Anthropic的Opus 4.8的关键产品，足以挑战中国模型与美国顶尖模型之间8-12个月的差距认知。
另外，UC Berkeley研发的AI评测平台Arena也发布了一份报告，表明K3发布后以1679分的成绩登顶前端代码竞技榜榜首，超过了Claude Fable 5。
测评平台提供的资料显示，K3相较于Kimi上一代的K2.6在性能上有了显著的提升，共进步了17位。在前端测评中，K3在7个领域中赢得了6个第一，包括数据与分析、内容创作工具、设计等。
Kimi方面对自己的产品也进行了详细介绍，表示K3原生支持视觉理解，擅长处理长周期编程、知识工作等复杂任务，在百万Token场景下能使解码速度最高提升6.3倍。
但也有一些开发者反映，K3的生成速度与Fable 5相比存在明显差距，尽管类似的评价目前还不多见。
技术层面，K3此次发布最受瞩目的创新是Kimi自主研发的两项核心架构技术：Kimi Delta Attention（KDA，混合线性注意力机制）和Attention Residuals（AttnRes，注意力残差结构）。
Kimi团队指出，在传统Transformer架构下，长上下文的大规模、快速推理会导致算力消耗巨大，但借助KDA和AttnRes，不仅能确保长文本检索的极高精度，还能大幅降低长上下文推理时的显存使用和计算成本。数据显示，随着训练方法和数据配方的全面优化，K3相较于前代模型的扩展效率提高了约2.5倍。
此外，根据Kimi透露的早期概念验证，K3曾自主运行48小时，仅使用开源EDA工具和 Nangate 45nm工艺库，便独立完成了一款专门用于运行其自身Nano模型的芯片构建、优化及验证。有开发者评价，这种“自我设计”的闭环模式，对Agent的持续进化具有重要的启示意义。
Token价格并不低廉
尽管性能得到了显著提升，国产开源模型以往常以“高性价比”受到AI圈的好评。
不过，K3的Token价格并不低廉。
Kimi公布的API定价显示，K3每百万Tokens输入（缓存命中）需支付2元人民币，输入（缓存未命中）为20元，输出为100元。
相比之下，DeepSeek V4 Pro版的价格要低得多，高峰时期的价格分别是0.05元、6元和12元。
网友评论