Kimi K3 對決 Fable 5、GPT-5.6 與 Opus 4.8：我們測試了這些熱門話題
Kimi K3是Moonshot AI的新旗艦模型，在2026年7月的幾天內，它成為網路上測試次數最多的模型。它最初以代號「Kivine」的神秘模型出現在Arena評測網站上——自稱「from Moonshot labs」，知識截止日期為2025年1月——之後Moonshot在2026年7月16日正式宣布，並承諾在7月27日之前開放權重。測試者反覆提到的重點：Kimi K3的表現大約落在Claude Fable 5附近，且在創意和3D工作上常領先GPT-5.6。這篇第一印象評測將規格、基準測試主軸以及十幾項社群測試彙整在一起。
給建造者的一個備註：這些是早期的、未受控的社群測試，請視為方向性參考而非評分。OrcaRouter 將可透過 API 存取的模型放在一個相容 OpenAI 的端點後面，因此一旦Kimi K3的 API 上線，你就能將它與 Fable 5 和 GPT-5.6 進行對比試用，無需串接多個 SDK。
總結裁決。Kimi K3 是首個在 frontend、3D 與創意單鏡頭方面可靠達到 Fable 5 水準的開放權重模型——它位居 Arena 前端排行榜榜首，並在 Artificial Analysis Index 上排名第 4。但它冗長且緩慢（一個前端建置耗時 35 分鐘），在代理編程方面落後 Fable，而且那些「獲勝」的裁決只是早期 Arena 的印象，並非經審核的基準測試。令人印象深刻，但尚未定論。
關鍵要點
• Kimi K3是一個2.8T-parameter MoE，定位為迄今為止最大的開放權重模型，其開放權重將於7月27日前發布。
• 在公正的第三方評估中，它排名 在AA Intelligence Index上#4/189（57）以及在Arena's frontend-code board上#1（1679），高於Fable 5的1631。
• 定價為每1M tokens $3 / $15 — Moonshot 迄今最昂貴的模型，但大約只有 Fable 5 的 $10 / $50 的三分之一。
• 測試人員反覆稱之為「寓言級」；懷疑論者則表示，這些一對一比對結果是刻意挑選的，而在多步驟代理任務上仍落後。
• 請注意這些警告：詳細輸出（約同儕中位數兩倍的 token 數），約 34 秒的首個 token 延遲，而且它在 FrontierSWE 和 DeepSWE 上仍落後於 Fable。
規格與基準主幹
這裡是確鑿的數據，每個數字都標明了出處。
• 架構 — Kimi K3: 2.8T MoE (896 專家, 16 活躍), Kimi Delta Attention, 1M 上下文, 原生視覺；比較基準：迄今最大的開放權重模型 (Moonshot，廠商報告)
• 變體 — Kimi K3: K3 Max (聊天/代理), K3 Swarm Max (並行); 比較點：—
• 定價（輸入/輸出） — Kimi K3: $3 / $15 每1M；快取命中約$0.30；比較點：Fable 5 的 $10 / $50（約3.3倍）
• AA 智能指數 — Kimi K3: 57 — 189 中排名第 4; 比較基準點：落後於兩個 Fable 5 配置 + GPT-5.6 Sol；高於 Opus 4.8、Sonnet 5、GLM-5.2 (Artificial Analysis)
• Arena frontend-code — Kimi K3: #1 at 1679, 贏得了7個類別中的6個；比較點：高於Fable 5的1631；從K2.6的第18名上升（Arena / LMArena）
• GDPval-AA v2 / AA-Briefcase — Kimi K3: 1687 (#3) / 1527 (#2); 比較點: Artificial Analysis
• GPQA Diamond — Kimi K3：93.5%（最強開源模型）；比較基準：廠商報告
• BrowseComp / HLE w/ tools — Kimi K3：91.2% / 56.0%；比较点：供应商报告
• Agentic SWE — Kimi K3: FrontierSWE 81.2, DeepSWE 67.5；對比基準：落後於 Fable 5 的 86.6 / 70.0
• Terminal-Bench 2.1 — Kimi K3: 88.3; 比較點：高於 Fable 5 的 84.6（測試工具混合的注意事項如下）
有兩件事讓這些勝利打了折扣。首先，價格優勢被部分抵消，因為過於冗長——在同類任務中，K3 輸出的 token 數量大約是同儕中位數的兩倍——再加上約 34 秒的首 token 延遲。其次，Terminal-Bench 的優勢伴隨著 @ChrissGPT 的警告：Moonshot 的基準測試「經常喜歡使用 Terminal 2 而非 2.1」，因此跨測試框架的比較要謹慎處理。此外，在官方指數發布之前，@teortaxesTex 估計「大約 55ish AA……接近 Opus 4.8 或 GPT 5.5。」
社群測試摘要
讓Kimi K3成為話題的證據是Arena單次測試的氾濫。以下是一個代表性片段——測試者、任務和結論，每個都連結到原始帖子。
• @synthwavedd — 任務：一般壓力測試；結論："又一個DeepSeek R1時刻……通常達到Fable水準，可能稍差一些，但始終比5.6更好。真是個猛獸。"
• @chetaslua — 任務：編碼，與Fable直接比較；結論：「勝過所有開源模型……與Fable相當，有時品質更好」
• @Gc_qube — 任務：3D / 遊戲 vs Fable 5；結論：「Kimi K3 勝出……第一個追上 Fable 的型號」
• @abhinavflac — 任務：櫻花盆栽渲染；評語：「超越 Claude Fable — 精準呈現扭曲主幹與層疊樹冠」
• @testingcatalog — 任務：Universe-sim 對比 Fable 5；裁決：「Fable 完成速度更快，使用者體驗更穩健；K3 更為複雜且視覺上更吸引人…非常接近」
• @israfill — 任務：相同的宇宙模擬提示；結論：「K3 在密集的創意輸出和『它是如何建構的』時刻上獲勝……驚訝於這麼接近」
• @mirochill — 任務：前端一次性（法文）；判決："等同5.6 Pro，優於Fable 5，一次嘗試"（已記錄光照問題）
• @jun_song — 任務：Flappy Bird 對比 Opus 4.8；結論：「顯著優於 Opus… Opus-5 水準」
• @JustinGorya — 任務：單檔案 HTML Minecraft；評語：「一個新的里程碑……在3D和前端方面令人難以置信」（回應：「這是一鏡到底。超瘋狂」）
• @redkendl — 任務：3D紙飛機遊戲；評語：「一擊必殺……Fable 5 / GPT-5.6級別的輸出。中國的實驗室不再落後8個月了」
• @noctus91 — 任務：互動式3D體驗；評價：「細節、打磨和整體品質的程度實在驚人」
• @Lentils80 — 任務：前端頁面；判定：「非常慢——花了35分鐘——但這是我從這個提示看過最好的輸出之一」
支持者對決懷疑論者
看漲的理由很直接：一個開放權重的模型在創意和前端的表現上能媲美封閉的前沿旗艦模型，價格卻只有三分之一，這確實是前所未有的。@notjazii 將早期產出稱為「今天發布的新 SOTA 模型，moonshot cooked」，而 @chetaslua 則將其描述為「開源界的又一個 deepseek 時刻」。
懷疑論者強烈反駁，而他們的異議每次都一樣，總共三點：
• 精心挑選的展示案例。在盆栽測試中，@Heeseon 回覆稱「任何人都能看出 Fable 5 勝出」，而 @sebuzdugan 則指出「單個盆栽樣本僅展示了風格控制，而非跨種子的可靠性」。
• Fable 就是比較好。在 Gc_qube 的帖子中，@victor_vibing 直言：「Fable 好多了，無可比擬。」
• 同樣的美學，並非真正的範圍。@_everythingism 指出這些輸出「都有『Claude美學』……一再生成特定類型的設計」，而在Opus測試中，@MCharles10581 只說「看起來opus更好。」
最有用的觀點來自@teortaxesTex，他自己甚至還沒測試過K3。他的觀點是關於一個努力/品味差距，而非能力壁壘：「即使是Fable和Sol也製造這麼多SLOP…Kimi與其說是失敗，不如說是產出較不有趣且不詳細的東西，沒有更進一步。」對於人在迴路中的代理編碼在客觀任務上，他預期K3「應該會不合理地接近。」而戰略關鍵：「任何僅僅*維持*差距的中國模型…都是一項英勇之舉。」這是誠實的看法——K3在可衡量的任務上縮小了距離，而在品味上稍遜一籌，這正是其基準測試所顯示的。
常見問題
Kimi K3 和 Fable 5 一样好吗？
在前端與3D單次任務上，測試者表示肯定——它在Arena的前端排行榜上居首（1679對1631），多次直接對比中，它被認為是勝利或平手。在自主編碼方面，它仍落後（FrontierSWE 81.2對86.6），而懷疑論者認為Fable在打磨程度和不同種子下的可靠性方面保持優勢。
Kimi K3 是開源的嗎？
這是開放權重的：Moonshot 承諾在 2026 年 7 月 27 日前釋出權重。最初僅提供 API/網站使用。作為迄今為止最大的開放權重模型（2.8T MoE），該釋出是主要事件。
Kimi K3 多少錢？
$3 / $15 每1M輸入/輸出令牌，緩存命中約 $0.30。這是 Moonshot 有史以來最貴的模型（K2.6 是 $0.95/$4），但仍約為 Fable 5 的 $10 / $50 的三分之一——儘管冗長的輸出縮小了實際差距。
Kimi K3 是否比 GPT-5.6 更好？
測試人員在創意和3D工作方面傾向肯定——@synthwavedd稱其「持續優於5.6」，而@mirochill則認為它與5.6 Pro相當。但在AA指數上，GPT-5.6 Sol仍排名高於K3，而Fable 5和5.6 Sol在Terminal 2.1上領先。
Kimi K3 是在什麼時候發佈的？
官方於2026年7月16日宣布，在7月14日左右以「Kivine」之名出現在Arena上之後。開放權重承諾在2026年7月27日之前提供。
底線
Kimi K3是自最初DeepSeek時刻以來，開放權重模型所帶來的最強烈第一印象：Fable-5範圍的創造性與前端輸出，在Arena前端排行榜上排名第一，價格約為Fable的三分之一。請將熱情維持在「方向性」——它冗長、緩慢，在代理編碼方面仍然落後，且上面提到的每一個「勝利」都是早期的Arena印象，而非經過審計的基準測試。當權重在7月27日前發布時，受控測試將告訴我們炒作是否得以維持。
