Kimi K3 对比 Fable 5、GPT-5.6 和 Opus 4.8：我们验证了这些炒作
Kimi K3是Moonshot AI的新旗舰，在2026年7月的几天里，它是互联网上测试最多的模型。它最初出现在Arena评估网站上，作为一个代号为“Kivine”的神秘模型——自称“来自Moonshot实验室”，知识截止日期为2025年1月——在Moonshot官方正式宣布它之前于2026年7月16日，承诺开放权重7月27日之前。测试人员反复强调：Kimi K3的水平大约是Claude Fable 5，且在创意和3D工作方面常领先于GPT-5.6。这篇第一印象评测将规格、基准测试骨干和十几项社区测试汇集在一起。
给构建者的提示：这些是早期、不受控制的社区测试，因此请将其视为方向性参考，而非评分。OrcaRouter 将可用的 API 模型统一到一个兼容 OpenAI 的端点后面，因此一旦Kimi K3的 API 上线，你就可以用它来与 Fable 5 和 GPT-5.6 进行对比测试，而无需集成多个 SDK。
TL;DR 结论。Kimi K3 是首个在前端、3D 和创意一次性任务中可靠达到 Fable 5 水平的开放权重模型——它登顶 Arena 前端排行榜，在 Artificial Analysis Index 上位列第四。但它的输出冗长且速度慢（一次前端构建耗时 35 分钟），在智能体编程方面落后于 Fable，而且那些“获胜”判定只是早期的 Arena 印象，并非经过审计的基准测试。令人印象深刻，但尚未定论。
关键要点
• Kimi K3是2.8万亿参数的MoE模型，定位为迄今为止最大的开放权重模型，其开放权重将于7月27日前发布。
• 在第三方中立评估中，它排名在 AA 智能指数（57）的 189 个中排名第 4 和 在 Arena 的前端代码排行榜（1679）上排名第 1，高于 Fable 5 的 1631 分。
• 定价为 $3 / $15 每百万 tokens — Moonshot有史以来最昂贵的模型，但仍然大约是Fable 5的$10/$50的三分之一。
• 测试者反复称其为“Fable level”；怀疑者说这些正面比较是精心挑选的，它在多步骤代理任务上仍然落后。
• 注意以下注意事项：详细输出（约2倍同行中位令牌数），约34秒的首令牌延迟，并且在FrontierSWE和DeepSWE上仍然落后于Fable。
规格与基准核心
这是硬数据，每个数字都注明了来源。
• 架构 — Kimi K3：2.8T MoE（896个专家，16个活跃），Kimi Delta注意力，100万上下文，原生视觉；对比点：迄今为止最大的开放权重模型（Moonshot，厂商报告）
• 变体 — Kimi K3: K3 Max (聊天/代理), K3 Swarm Max (并行); 比较点: —
• 定价（输入/输出） — Kimi K3: $3 / $15每百万；缓存命中~$0.30；对比：Fable 5为$10 / $50（约3.3倍）
• AA 智能指数 — Kimi K3: 57 — 第 4 名（共 189 个）；对比点：落后于两个 Fable 5 配置 + GPT-5.6 Sol；高于 Opus 4.8、Sonnet 5、GLM-5.2（Artificial Analysis）
• Arena 前端代码 — Kimi K3: #1 分数 1679，赢得 7 个类别中的 6 个；比较点：高于 Fable 5 的 1631 分；从 K2.6 的第 18 名上升 (Arena / LMArena)
• GDPval-AA v2 / AA-Briefcase — Kimi K3: 1687 (#3) / 1527 (#2); 比较点: Artificial Analysis
• GPQA Diamond — Kimi K3: 93.5%（最强开源模型）；对比点：厂商报告
• BrowseComp / HLE 带工具 — Kimi K3: 91.2% / 56.0%; 比较点：厂商报告
• 智能体SWE — Kimi K3: FrontierSWE 81.2, DeepSWE 67.5; 对比点：落后于Fable 5的86.6 / 70.0
• Terminal-Bench 2.1 — Kimi K3: 88.3；比较点：高于Fable 5的84.6（下面有混合测试的注意事项）
有两件事削弱了这些胜利。首先，价格优势部分被冗长所抵消——K3在类似任务上输出的token数大约是同行中位数水平的两倍——再加上约34秒的首token延迟。其次，Terminal-Bench的优势伴随着@ChrissGPT的警告：Moonshot的基准测试“经常喜欢使用Terminal 2而非2.1”，因此要谨慎对待跨平台（harness）的比较。此外，在官方指数发布之前，@teortaxesTex估计“大约55ish AA……相当于Opus 4.8或GPT 5.5。”
社区测试汇总
让 Kimi K3 成为话题的证据是大量涌现的 Arena 单次评测。这里有一个代表性的片段——测试者、任务和结论，每个都链接到原始帖子。
• @synthwavedd — 任务：一般压力测试；结论："又一个DeepSeek R1时刻……通常是Fable水平，可能稍微差一点，但始终优于5.6。一个猛兽。"
• @chetaslua — 任务：编程，与Fable正面交锋；结论："胜过所有开源模型……与Fable持平，有时质量更好"
• @Gc_qube — 任务：3D/游戏 vs Fable 5；结论：“Kimi K3赢了……第一款追上Fable的型号”
• @abhinavflac — 任务：樱花盆景渲染；评价："击败了Claude Fable——完美呈现了扭曲的树干和层层叠叠的树冠"
• @testingcatalog — 任务：宇宙模拟 vs 寓言5；结论：“Fable 完成得更快，用户体验更稳健；K3 更复杂且视觉上更吸引人……非常接近”
• @israfill — 任务：相同的宇宙模拟提示；裁决："K3在密集的创意输出和'它是如何构建出来的'时刻获胜……惊讶于如此接近"
• @mirochill — 任务：前端一次完成（法语）；评价：“相当于5.6 Pro，优于Fable 5，单次尝试完成”（已注意到光照问题）
• @jun_song — 任务：Flappy Bird 对比 Opus 4.8；结论："显著优于 Opus… Opus-5 级别"
• @JustinGorya — 任务：单文件HTML Minecraft；评价：“一个新的里程碑……在3D和前端方面令人难以置信”（回复：“一击必中。太疯狂了”）
• @redkendl — 任务：3D纸飞机游戏；评价：“一击必杀……Fable 5 / GPT-5.6级别的输出。中国实验室不再落后8个月了。”
• @noctus91 — 任务：交互式3D体验；结论：“细节、精致度和整体质量的水平确实令人惊叹”
• @Lentils80 — 任务：前端页面；评价：“非常慢——花了35分钟——但这是我见过的最好的输出之一”
支持者 vs 怀疑者
看涨逻辑很简单：一款开源权重模型在创意和前段工作上追平了闭源旗舰模型，价格只有三分之一，这确实是新鲜事。@notjazii 称其早期输出为“今天发布的新SOTA模型，月之暗面拿下了”，而@chetaslua 则将其形容为“开源界的又一个DeepSeek时刻”。
怀疑论者强烈反驳，他们的反对意见每次都是同样的三点：
• 精心挑选的演示。在盆景测试中，@Heeseon 回复说“任何人都能看到《Fable 5》赢了”，而 @sebuzdugan 指出“一个盆景样本展示了风格控制，而非跨种子的可靠性。”
• Fable 就是更好。在 Gc_qube 的主题帖中，@victor_vibing 直截了当地说：“Fable 好得多。无可比拟。”
• 相同的审美风格，并非真正的范围。 @_everythingism 认为这些输出"都有'Claude aesthetic'…一遍又一遍地生成特定种类的设计"，而在Opus测试中，@MCharles10581 只是说"似乎opus更好"。
最有用的框架来自@teortaxesTex，他本人甚至没有亲自测试过K3。他的观点核心是努力与品味的差距，而非能力瓶颈：“即便是Fable和Sol也制造了大量平庸之作……Kimi并非能力不足，而是产出的内容趣味性与细致度不够，不愿多付出那份心力。”对于人类参与下的目标导向型智能体编码任务，他预计K3“应该会接近得离谱”。而战略点睛之笔在于：“任何仅*保持*差距的中国模型……都是一项英雄壮举。”这才是诚实的解读——K3在可衡量的任务上缩小了距离，在品味上略有逊色，而这恰恰是其基准测试所呈现的结果。
常见问题
Kimi K3 和 Fable 5 一样好吗？
在前端和3D一次性测试中，测试人员表示肯定——它登顶了Arena的前端排行榜（1679对1631），并且多次直接对比中被称为胜利或平局。在智能体编程方面它仍然落后（FrontierSWE 81.2对86.6），怀疑论者认为Fable在跨种子的优化和可靠性方面保持优势。
Kimi K3 是开源的吗？
它是开放权重的：Moonshot 承诺在 2026 年 7 月 27 日前发布权重。发布初期仅提供 API/网页访问。作为迄今为止最大的开放权重模型（2.8T MoE），这次发布是重头戏。
Kimi K3 多少钱？
每百万输入/输出token收费3美元/15美元，缓存命中约0.30美元。这是Moonshot有史以来最贵的模型（K2.6为0.95美元/4美元），但仍约为Fable 5（10美元/50美元）的三分之一——尽管冗长输出缩小了实际差距。
Kimi K3比GPT-5.6更好吗？
测试人员在创意和3D工作方面倾向于肯定——@synthwavedd称其“持续优于5.6”，而@mirochill认为它与5.6 Pro水平相当。但在AA指数上，GPT-5.6 Sol仍排名高于K3，而Fable 5和5.6 Sol在Terminal 2.1上领先。
Kimi K3是什么时候发布的？
官方于2026年7月16日宣布，此前于2026年7月14日左右以“Kivine”名称出现在竞技场上。开放权重承诺在2026年7月27日之前提供。
底线
Kimi K3 是自最初的DeepSeek时刻以来，开源模型给人留下的最深刻的第一印象：Fable-5级别的创意和前端输出，Arena前端榜首，价格却只有Fable的大约三分之一。不过还是把这份热情停留在“方向性”上——它冗长、缓慢，在智能体编程方面仍落后，上面所有“获胜”都只是Arena的早期印象，而非经过审计的基准测试。等到7月27日前权重发布后，受控测试才能告诉我们炒作是否站得住脚。
