Intern-S2-397B 對決 Kimi K3：397B 科學模型與 2.8T 推理巨人

Intern-S2-397B 和 Kimi K3 站在開放權重分界線的兩側，而這條界線將定義 2026 年剩下的時間：可下載的科學專才，對上經獨立驗證的長上下文通才。Intern-S2-397B 是 InternLM 於 2026 年 9 月 13 日以 Apache-2.0 釋出的 4030 億參數科學多模態模型——沒有價目表、沒有獨立評分，還有一條以科學文獻原始頁面訓練而成的視覺路徑。Kimi K3 是 Moonshot AI 的 2.8 兆參數混合專家旗艦模型，於 2026 年 7 月推出，每百萬輸入詞元 3.00 美元、每百萬輸出詞元 15.00 美元，並於 7 月 27 日在修改版 MIT 授權條款下開放權重，且已經過六週的獨立評估。這場對決的不尋常之處在於，兩個模型都有同樣的長時程野心——持續處理龐大而混亂的任務——卻以相反的方向解決它。

兩者皆雄心勃勃，機制卻相反

這份雄心是共通的：每個模型都想成為當任務漫長時仍能持續下去的那個存在。它們以不同方式達成，而差異在於架構。

Kimi K3 的答案就是上下文。輸入與輸出皆具備 1,048,576 個 token 的視窗，意味著整個程式碼儲存庫、整個資料室，或五十步的代理迴圈都能存在於同一段對話中。據稱 Moonshot 的 Mooncake 推論堆疊在程式設計工作負載上維持超過 90% 的快取命中率，這正是每百萬輸出 token 15 美元的價格在實務上得以存續的方式。Kimi K3 提供頂層的 reasoning_effort 控制項，且不接受任何取樣參數，預設以最大深度進行推理，並預期你在多輪工具迴圈中逐字重放先前的 reasoning_content 與 tool_calls，否則品質會下降。

Intern-S2-397B 的答案是專業化加上權重層級控制。它的上下文——256K 文字推理與 64K 多模態，這兩個數字都來自模型卡——屬於不同類別的視窗，足以應付一篇份量十足的論文或一場長時間的研究工作階段，但不足以處理百萬 token 的工作集。它改而提供的是一條能原生讀取科學文獻的視覺路徑——將圖表、版面、符號標記與文字內容一併理解——以及可產生預測的時間序列輸入，同時還具備預設開啟、可依每次請求切換的思考功能。如果你的長期任務是科學性質，這個模型正是為此訓練；如果你的長期任務是程式碼庫，這不是擁有百萬 token 視窗的模型。

• 上下文 — Kimi K3：輸入與輸出皆為 1,048,576 個 token，對比 Intern-S2-397B：256K 文字 / 64K 多模態。

• 規模 — Kimi K3：總計 2.8T，每 token 約 104B 啟用，對比 Intern-S2-397B：總計 403B，512 個專家 / 10 個啟用。

• 控制介面 — Kimi K3：reasoning_effort 旋鈕，無取樣參數；對比 Intern-S2-397B：enable_thinking 開關，加上 Apache-2.0 授權下的完整權重層級控制。

• 輸入 — Kimi K3：文字、圖像，對比 Intern-S2-397B：文字、圖像、時間序列。

• 權重 — Kimi K3：以修改版 MIT 授權開放（7月27日），對比 Intern-S2-397B：以 Apache-2.0 授權開放（9月13日）。

• 獨立證據 — Kimi K3：六週的第三方評分；相較之下 Intern-S2-397B：尚無。

證據不對稱才是真正的差異。

Kimi K3 已歷經獨立機構的嚴格檢驗，並交出足以作為依據的成績。Artificial Analysis 在其現行 Intelligence Index 上將它排在 40 多分的中段，GPQA Diamond 為低 90 幾分，HLE 為中段 40 幾分，獨立測得的長上下文召回率為 88.7，程式編寫分數則落在 70 多分的中段。它在 Frontend Code Arena 上位居榜首（Elo 在 1670 多分），並在 BrowseComp 上取得 91.2，是該長時程檢索基準上的最高數字——不過 Moonshot 自己也提醒，K3「仍落後於最強大的專有模型」，而且其發布當日公布的若干項目仍屬廠商自行回報。

Intern-S2-397B 的證據是它自己的發布表格，經由 OpenCompass、VLMEvalKit 和 AgentCompass 跑過，在你讀到這段文字的幾個小時前才公布。每一個數字都是廠商自家的，且未經重現：MMLU Pro 89.77、MMMU Pro 81.68、HMMT-2026 93.56、SWE-bench-Pro 68.54，以及 TerminalBench 2.1 的 64.04——這個數字在卡上顯示以大幅差距輸給一個較舊的閉源世代。它的科學類列是能讓專家論點站得住腳的數字：Biology-Instructions 55.71、SciReasoner 1.5 63.28、Mol-Instructions 53.95、MolecularIQ 62.35。這兩個證據基礎並不相交，因此對這場對決最誠實的框架不是「誰贏」，而是「你的工作負載需要哪一種證據」。

開放權重版本：各自的成本

這兩款模型都是開放權重，這讓成本問題從常見的「按量計費 vs. 免費」敘事，轉變為兩種託管方案的比較。Kimi K3 有公開的 API 價格——Moonshot 定價表為每百萬 tokens 3.00 美元 / 15.00 美元，在 OrcaRouter 上以 0% 加成原價轉售，另外還加上快取讀取（cache-read）定價——而且它同時可供下載：這是一個 96 分片的開放權重發行版，需要超級節點（supernode）等級的硬體、64 個以上的加速器才能提供服務。自架 K3 的實際目標客群，是擁有資料中心預算的團隊。Intern-S2-397B 則完全沒有公開的 API 價格；其模型卡指向官方 Intern API，而真正的經濟效益在於自架：BF16 格式下約 807 GB 的權重、分散於 188 個分片，需要一台夠力的多 GPU 節點，而 FP8 版本則可將占用空間削減約一半。

只要你進行路由，這兩個模型就能透過同一個接縫呼叫：Kimi K3 在 OrcaRouter 上以 Moonshot 的定價提供，零加成，而 Intern-S2-397B 則未經路由——它是全新的 Apache-2.0 檢查點，你要使用它，途徑是供應商自家的 API 或自架部署。在這場搭配中，路由的價值在於把長脈絡通用型流量留在你已有的金鑰上，並把科學批次工作交給你自己執行的模型，兩者之間還能自動容錯移轉。DSL 讓這道界線成為一項設定，而不是第二套整合。

裁決

當工作屬於長上下文通才型任務時——整個儲存庫的程式編寫、持續運作的代理迴圈、需要一百萬個 token 工作記憶的知識工作——而且你想要背後有個獨立的計分板，就選擇 Kimi K3。無論從哪個角度看，它都是證據更紮實的模型，其開放權重確有其事（Modified MIT，7 月 27 日），而如果你已經在運作 supernode 等級的基礎設施，搭配快取後的每 token 經濟效益也相當有利。

當任務屬於科學性質時，就選 Intern-S2-397B：圖表密集的論文、分子結構圖、掃描文獻、時間序列訊號，以及必須留在你防線內的資料，或是你想用專有成果微調的權重。Apache-2.0 讓這一切可行，沒有任何租用的 API 做得到，而規格表上的科學類項目，與通用模型當初被調校的對象根本是不同物種。為硬體編列預算，自己跑評估，並把每一個關於它的已發表數字都當成主張，直到 InternLM 以外的人重現出任何一個為止。