2026年7月16日，中国人工智能实验室Moonshot AI今晨宣布了Kimi K3，称其为“迄今为止功能最强大的模型，拥有2.8万亿个参数”。目前可以通过他们的网站和API获得，但开源权重将于“2026年7月27日”发布。Moonshot称这是第一个“开放的3T级模型”（我猜他们把2.8万亿四舍五入到3万亿），这个头衔现在由它接过，之前由DeepSeek的1.6T v4 Pro保持。他们自报告的基准显示，K3在大部分情况下超过了Claude Opus 4.8 max和GPT-5.5 high，而在Claude Fable 5和GPT-5.6 Sol面前则稍显逊色。以下是关于该模型的人工分析报告的一些亮点：“在我们的私有长时间跨度知识工作评估中，Kimi K3的整体Elo达到了1547，比Kimi K2.6提高了732分，仅次于Claude Fable 5。” “每个任务的成本（$0.94）与GPT-5.6 Sol（$1.04）相似，约为Opus 4.8（$1.80）的1/2，但高于开放权重的同行。” “Kimi K3在人工分析智能指数上的令牌使用量显著下降，使用的输出令牌比K2.6少21%。”该模型现在也是Arena.ai的前端代码领域的领先模型，甚至超过了Claude Fable 5。该新模型在定价方面也颇具特色：输入令牌为每百万$3，输出令牌为每百万$15，使其与Anthropic的Claude Sonnet系列处于同一水平，成为迄今为止中国AI实验室发布的最昂贵模型。这比他们早期的模型如Kimi K2.6（$0.95/$4）有了显著提升。2.8万亿参数也是该1T模型的两倍多。那么它在鹈鹕基准上的表现如何呢？我使用OpenRouter（以避免注册Moonshot API密钥）与llm-openrouter插件生成了一幅鹈鹕骑自行车的SVG：llm -m openrouter/moonshotai/kimi-k3 '生成一幅鹈鹕骑自行车的SVG' 这是转录内容。看起来是这样的：该鹈鹕用了95个输入令牌和16658个输出令牌（13241个是推理令牌），总费用为25美分！由于K3可以接受图像输入，因此我用上述生成的SVG（和我的替代文本提示）进行了测试，得到了返回（费用为0.6美分）：卡通插图展示了一只白色鹈鹕，穿着红色围巾，骑着一辆红色自行车，沿着有白色虚线的灰色道路行驶；这只鹈鹕有一个巨大橙色的喙，脚上是橙色的脚蹼，正用力踩踏自行车，身后有白色运动线；背景展示了一片浅蓝色的天空，白色的云朵，黄色的太阳，两只小黑鸟在飞翔，前景中是绿色草地和微小的白色花朵。我们可以从鹈鹕中学到什么？我“生成一幅鹈鹕骑自行车的SVG”测试现在已经21个月了。它从来不是一个特别好的基准。最初是个笑话，讽刺比较这些模型是多么荒谬困难，但在第一年中，它却与模型的实际表现有惊人的相关性。现在这种联系已经基本断裂。GPT-5.6和Claude Fable 5的鹈鹕被GLM-5.2超越，尽管我非常喜欢GLM，我并不认为那是一个Fable级的模型。（我仍然不相信实验室在为基准进行训练——如果他们真的如此，我会期待更好的结果。不过Gemini有可能针对任意动物与交通工具的组合进行了优化！）鹈鹕的最大局限性在于它根本没有涉及当今模型最重要的事情：代理工具调用和随着对话长度增加可靠操作工具的能力。因此，不要用鹈鹕来比较模型！尽管如此，我仍然能从自己运行基准中获得相当不错的价值。首先，这确实是实测该模型的强迫因素。如果我给你展示一只鹈鹕，这意味着我已经成功地通过了它的提示。如果模型有官方API，我会使用，如果是开放权重（且足够小，可以在128GB M5 MacBook Pro上运行），我会尝试在自己的机器上运行，通常通过llama.cpp或LM Studio或Ollama。我经常使用OpenRouter，因为那通常提供代理到官方API的方式，而我无需新的API密钥。我的大多数鹈鹕都是通过我的LLM CLI工具生成的，这有助于确保最新模型得到支持（通过其插件之一）。更重要的是，即使仅仅是“生成一幅鹈鹕骑自行车的SVG”的单一提示也能揭示出有趣的模型特性。考虑一下今天Kimi K3的结果。运行这些简单的提示有助于强调关于模型的几个要点。现在它只有一项推理努力，“max”—这很明显。该模型消耗了13241个推理令牌，输出了3417个响应令牌。这个成本很高——鹈鹕花费了25美分！提示“生成一幅鹈鹕骑自行车的SVG”是如何算得95个输入令牌的？OpenAI的分词器算了10个，Anthropic的算了10个（Opus 4.6），30个（Opus 4.7）和25个（Sonnet 5/Fable 5）。对Kimi K3发出“hi”的提示算了86个令牌，这意味着可能有一个隐含的85个令牌的系统提示。