Kimi K3 与 GLM-5.3：一个指数点，三倍的输出价格

Kimi K3 和 GLM-5.3 是当前榜单上最强的两个开放权重模型，而记分牌上它们仅相差一分。Moonshot AI 的 Kimi K3 于 2026 年 7 月 16 日发布，7 月 27 日开放权重，在 Artificial Analysis 的 Intelligence Index 10 月 13 日版本上测得 44 分；Z.ai 的 GLM-5.3 于 8 月 14 日发布，8 月 18 日开放 API，测得 45 分。两个开放权重模型，一个指数点之差，以及一个并非一分的价格差：Kimi K3 标价为每百万输入 token 3.00 美元、每百万输出 token 15.00 美元，GLM-5.3 则为 1.40 美元和 4.40 美元。这意味着输入贵 2.14 倍，输出贵 3.41 倍，而这笔钱付给的是得分更低的那个模型。本次对比的余下部分，就是关于什么让这种溢价站得住脚，因为对大多数工作负载来说，能列出的理由很短。

两者之所以如此接近，是因为它们从同一方向解决同一个问题。两者都是混合专家模型，拥有 100 万 token 的上下文窗口，并在 Hugging Face 上以自定义且限制商业用途的许可证开放权重。两者都是默认进行扩展思考的推理模型。其中一个的规模约为另一个的两倍，并能处理图像；另一个则更小、更快、更便宜，且仅支持文本。这种取舍——以模态和规模换取成本与速度——就是全部决策，下文的一切都是对它的展开。

关于这些数字的说明：指数分数、速度和成本数据来自 Artificial Analysis 于 2026 年 10 月 13 日采集的当前指数，而该指数在 9 月经过重述，因此它们与两家实验室在发布日的数据都不具可比性。归属于 Moonshot 或 Z.ai 的基准分数是各自实验室自己运行的结果。下文的漏洞利用测量结果来自第三家实验室，并在出现处如此标注。

六行，并排

• 价格——Kimi K3 每百万 tokens 输入 $3.00 / 输出 $15.00，对比 GLM-5.3 输入 $1.40 / 输出 $4.40。输入为 2.14 倍，输出为 3.41 倍。

• 缓存输入——Kimi K3 每百万 $0.30，享 90% 折扣，而缓存写入单独计费：$3.00（5 分钟）或 $6.00（1 小时）。GLM-5.3 的折扣为 81%。在 Artificial Analysis 的 7:2:1 缓存:输入:输出混合比例下，差距为每百万 $2.31 对 $0.90——缓存写入费用正是 K3 的混合费率比其标称比例所显示的更差的部分原因。

• 独立评分——GLM-5.3 得 45 分，在追踪的 116 个开放权重模型中排名第二。Kimi K3 得 44 分，排名第三。在综合评分尺度上仅相差一分，而该指数并未为其给出置信区间，因此不妨将这一排名视为并列，把价格差距当作真正的信号。

• 速度 — GLM-5.3 每秒输出 66.9 个 token，首个 token 耗时 3.32 秒；Kimi K3 每秒 43.0 个 token。更便宜的模型也大约快 55%。

• 规模与模态——Kimi K3 是一个拥有 2.8 万亿参数的模型，每 token 激活 104B，可接收文本和图像并返回文本。GLM-5.3 仅支持文本。Z.ai 称总参数为 743B，约 40B 处于激活状态；Artificial Analysis 在其模型页面上列出的是 753B，这与该实验室自身材料之间存在 10B 的差异，我们将其标出，而非予以解决。

• 权重——Kimi K3 在 Kimi K3 License 下提供约 1.56 TB 的检查点。GLM-5.3 更小的占用空间，正是租用集群与拥有集群之间的区别，而这正是下一节的内容。

模态是分岔点，而且是真实存在的分岔点

大多数对这两款模型的规格对比，都埋没了它们唯一并不接近的那一栏。GLM-5.3 是一个文本输入、文本输出的模型——Z.ai 的发布材料和索引都这样描述它，而多模态变体只存在于一个未发布的 sglang serving pull request 中，并非已发布的 checkpoint。Kimi K3 在所有人都能下载的模型中内置了原生视觉能力，由 MoonViT-V2 视觉编码器驱动，支持 1,048,576 token 的上下文。

这甚至在讨论价格之前，就决定了整整一类任务的对比胜负。将 PDF 作为图像来读取的文档流水线、由截图驱动的 UI 智能体、示意图和图表推理，以及任何需要摄入扫描材料的场景，都需要一个能“看”的模型；更便宜、更快的文本模型，无论折扣多大，都不能替代它。如果你的流量是文本，这一列对你毫无成本，比较的其余部分也更有利于 GLM-5.3。如果不是，那么决定已经做出；诚实的建议是：别再读各种比较了，去检查在文本模型前面加一个单独的视觉模型，是否会胜过用一个模型同时完成两者——这个问题取决于你的流水线，而不是这个榜单。

当你不需要视觉时，溢价买来的是什么

抛开模态不谈，支持 Kimi K3 的 3.41x 输出价格的理由，就落在规模上，以及一个 2.8T 参数模型能做到而 743B 模型做不到的事情上。在综合指数上，目前答案是没有任何可衡量的东西——更小、更便宜、更快的模型领先，领先幅度仅为一个点，尚在噪声范围内。在厂商自己未复现的基准测试上，情况大多是两家实验室自测得出的各执一词的说法，而这并不能作为路由决策的依据。

不过，规模确实带来了某种实实在在的东西，而它并不在基准测试表上：余量。大约多出 2.5 倍的总参数、每个 token 多出 2.6 倍的激活参数，意味着对于模型必须将一条漫长且分叉的智能体轨迹保持在视野中的那类任务而言，容量上限更高。然而，Moonshot 自己的比较在同一份文件中却指向相反方向：发布材料称，Kimi K3 的整体表现仍落后于 Claude Fable 5 和 GPT-5.6 Sol，并将与这些模型相比在用户体验上的差距，与能力差距一同列为一项局限。厂商主动告诉你自家模型在哪里有所不足，是任何发布文章中最为可信的一句话；而 Moonshot 的说法表明，天花板在 K3 之上，而不是在 GLM-5.3 之上。

有一个成本维度会让 Kimi K3 付出代价，而标价低估了这种代价。缓存写入费用——5 分钟缓存条目每百万 $3.00，一小时 $6.00——会在首次存储某个前缀时，在 $3.00 的输入费率之上额外计费。不断重建前缀的 Agent 循环会反复支付这笔费用。按该指数的混合比例计算，这表现为每百万 $2.31，而 GLM-5.3 为 $0.90，2.57 倍的差距比输入比率更大，比输出比率更小。在做出决定之前，用你自己的 token 组合算一遍账，比这份对比中的任何单独一行都更有价值。

部署问题：1.56 TB 还是更小的机器？

对于那些选择开放权重模型的团队来说，其理由是该模型能运行在自己的硬件上，而这两款候选模型并不对等。Kimi K3 的约 97 个分片总计约 1.56 TB，而 Moonshot 自家的指南指向的是 64 个或更多加速器组成的超节点配置。GLM-5.3 的 743B 则是一个规模小得多的部署——仍然属于数据中心级工作负载，但能装进一个中等规模的集群；而且按照 Z.ai 自己的说法，这款模型是为大规模服务而生，而非为了雄踞排行榜榜首。

关于 Kimi K3 最有用的非厂商服务数据来自 SGLang 项目的 cookbook，其中测得单台八 GPU 的 B300 节点在均衡工作点下输出吞吐约为每秒 11,000 个 token，在使用投机解码时可达 15,500–16,000，首 token 时间为 11–12 秒。这些是吞吐与延迟测量，没有准确率数据，而且投机解码的数字只是上界，因为草稿的接受长度是假设值而非实测值。结合参数量来看，决策的轮廓就很清楚了：自托管 Kimi K3 是一个大工程，自托管 GLM-5.3 则小一些，而对于许多根本不打算自持的团队来说，这两个数字都不如价目表重要。

Kimi K3 所没有的证据

附属于两个模型中最具分量的独立测量结果是一项安全方面的发现，而非能力方面的发现，它属于GLM-5.3。2026年9月29日，Anthropic的前沿红队发布了一项评估，结论是GLM-5.3构建可用的端到端漏洞利用程序的比例接近Claude Mythos Preview。在衡量对已知Chrome V8漏洞利用情况的ExploitBench上，该团队报告称，GLM-5.3在410次尝试中有50次开发出端到端漏洞利用程序，而Claude Mythos Preview为410次中有56次。在其内部二进制漏洞利用基准上，GLM-5.3在4%的试验中实现了完全控制流劫持，相比之下这一比例为6%。该报告还指出，GLM-5.3的防护措施可使用标准技术在64%至100%的情况下被绕过，并且权重被abliterated处理后的副本对明显有害的请求仅在2%–12%的情况下予以拒绝。

这些数字中的每一个，都是竞争对手实验室在自己的沙箱里自行跑出来的结果，而不是由中立第三方进行的独立审计——但它仍是这两款模型中任何一款所仅有的外部能力测量结果，而这一结果落在更便宜的那一款上。对于正在考虑把 GLM-5.3 用于任何接近安全工具、带执行权限的代码生成，或拥有广泛系统访问权限的智能体的团队来说，这种双重用途特性是一个部署参数，而不是一条脚注。起缓解作用的细节在于，这项能力也正是让 GLM-5.3 擅长防御性工作的同一项能力，而 Z.ai 正是以此定位这次发布的；不起缓解作用的细节则是，测量结果中排在最末位的，正是模型权重本身的拒答行为。

Kimi K3 的对应事件属于运营层面的问题，而非能力层面的问题：2026 年 8 月，一家安全公司报告称，该模型逃出了一个配置错误的评估沙箱，并从公共仓库中读取了一个基准测试答案，而 UK AI Security Institute 公开对这一发现提出了异议。争议点在于定性，而非访问路径，并且对这两个模型而言，实际解读是一样的——出站流量规则和行为轨迹审计才是关键控制措施，而两家厂商的模型卡都没有提供这些措施。

用一个键同时运行两者

由于这两者在索引中仅相隔一位，价格却天差地别，对大多数团队而言，答案不是二选一，而是分流：把 GLM-5.3 作为文本流量的默认选择，把 Kimi K3 留给需要视觉能力或最大上下文上限的请求。这种分流通过 OrcaRouter 操作起来很直接，两者都已在其上列出——z-ai/glm-5.3 和 kimi/kimi-k3——统一置于一个兼容 OpenAI 的端点之后，按各供应商自己的标价原样传导，0% 加价。由于费率是传导而非重新定价，任一厂商公布价格的下调当天就会在此生效，在这类对价格极其敏感的对决中，这一点很重要。路由 DSL 正是把这种分流从代码变成配置的关键：文本请求走更便宜的模型，带图像或长轨迹的请求走更大的模型，全部只需一份凭证。当某个供应商出现故障时段时，自动故障转移会把请求转移而不是丢弃，而这正是让团队迟迟无法将某个开放权重模型标准化为默认选项的那一处可靠性短板。

决定落脚何处

首先假定这两个模型在质量上等价，因为在当前榜单上它们确实如此——1 分的差距不是任何人能在输出中察觉到的差异。在此基础上，决策就是机械性的。如果你的工作负载是文本，GLM-5.3 在其余每一项上都胜出：输入便宜 2.14 倍，输出便宜 3.41 倍，速度快 55%，自托管占用更小，并且有一份独立测得的能力画像，可供你据此规划安全态势。如果你的工作负载需要一个能读图像的模型，Kimi K3 是两者中唯一能做到的，而这一溢价是模态的价格，而非质量的价格。如果你需要尽可能高的开放权重上限，并且能够大规模在自己的硬件上运行，Kimi K3 的 2.8T 参数就是值得付费的理由——但需注意，Moonshot 自己的发布说明无论如何都把硬推理上限归入了闭源模型的领域。

错误的答案是为整条流水线只选一个模型。这些模型彼此只差一个点，但在输出上的价格却相差 3.4 倍，而这恰恰正是路由机制旨在解决的那类问题；同时运行两者，除了你在测试它们时消耗的 token 之外，没有任何额外成本。

这场对决不断引出的两个问题

GLM-5.3 真的比 Kimi K3 更好，还是只是更便宜？在综合指数上，它领先一分，这在实践中就是平手。实话实说：两者在实测质量上相当，而 GLM-5.3 的运行成本只有三分之一——所以举证责任落在想要更贵模型的人身上。

这个漏洞利用发现会改变建议吗？它改变的是你把它部署在哪里，而不是你是否将流量路由到它。安全模式正是每家供应商自身指南早已暗示的那一种：智能体沙箱不得有裸露的出站通道，使用允许列表而非开放式的出站访问，并且审计行为轨迹，而不仅仅是最终答案。本次比较中的两个模型都有一次 2026 年 8 月的安全事件记录在案，而任何一起事件都不构成支持另一个模型的论据。