Kimi K3 是一款新推出的大型中文AI模型，凭借其出色的基准测试成绩引发了广泛关注，并被视为可能成为最强的开源模型。然而，深入分析表明，这些成绩可能存在“为测试而优化”的成分，其实际能力仍落后于顶尖的闭源模型数月之久。围绕 Kimi K3 的热议，与此前多次出现的“DeepSeek 时刻”相似，反映了外界对中国AI迅速崛起的期待，但其能力的根基似乎更多在于巨大的模型规模以及对 Claude 等现有模型的深度“蒸馏”学习。尽管 Kimi K3 是一个强大的工具，但它并非革命性的飞跃，它的发布也再次将开源AI的风险、模型原创性以及由此引发的地缘政治紧张关系推到了前台。
Kimi K3 的初步评估
Kimi K3 无疑是一款优秀的模型，若其权重按计划发布，单论原始能力，它将成为最强的开源模型。但我们不应过分激动，因为它与最前沿的闭源模型相比，仍有至少四到六个月的差距。
- 模型规模巨大： 拥有2.8万亿参数，是迄今为止最大的开源模型之一。这解释了其性能的诸多提升，但也带来了运行缓慢、消耗资源的问题。
- 基准测试表现突出： Kimi 在各项基准测试中均以最大努力运行，取得了优异成绩。但这可能使其在测试中的表现优于实际应用中的表现。
- 能力表现不均： 它在某些任务上表现出色，但在其他方面则不然。性能看起来有些“参差不齐”。
- 疑似经过蒸馏： 很多迹象表明，Kimi K3 的部分能力来自对 Claude 等模型的学习和模仿，这并非其故事的全部，但显然是其中一部分。
Kimi K3 绝对值得一试，看看它是否适合你的工作流程。但以其API和订阅的价格点，它无法取代更小、更便宜的开源模型，在与顶级闭源模型的直接对抗中也可能处于下风。
“DeepSeek 时刻”的重演
所有关于中国模型的讨论，都笼罩在“DeepSeek 时刻”的阴影之下。许多人渴望看到中国开源模型追上美国闭源模型的叙事成真，其动机各不相同：
- 支持开源： 一部分人希望借此证明开源模式的胜利。
- 看空巨头： 另一些人则乐于见到 OpenAI 和 Anthropic 等公司的地位受到挑战。
- 反对监管： 常常被用作反对AI监管的论据，声称限制会“输给中国”。
这种模式通常是：一个中国模型发布，展示出一些令人印象深刻的基准测试，随后便有声音宣称“美国的领先地位已经消失”。这种逻辑曾多次说服华盛顿的决策者，并产生了实质性的政策影响。
Ethan Mollick：Kimi 是一个非常好的模型。但它不是一个 DeepSeek r1 时刻，因为它大致处于我预期的曲线上，而不是一次意外的飞跃。
Kimi K3 的基本信息与基准测试表现
- 参数规模： 2.8万亿参数，运行时从896个专家中激活16个。
- 价格： API 价格为 3美元/百万输入 token，15美元/百万输出 token，比 Opus 和 Sol 略便宜。
- 上下文窗口： 100万 token。
- 开放权重： 承诺在2026年7月27日前开放。
- 架构创新： 基于 Kimi Delta Attention (KDA) 和 Attention Residuals (AttnRes) 构建，提升了计算效率。
基准并非真实世界
benchmarks 衡量的是特定能力而非综合体验，且更侧重于浅层任务。Moonshot 在所有测试中都将模型性能开到最大，这有助于获得高分。
Dean W. Ball：公开基准作为发现模型性能真相的手段，其作用越来越小。如果你有真正困难的问题来测试模型，你就能在真正的技术前沿感受到差异。
尽管如此，Kimi K3 在多个第三方基准测试中表现优异：
- Epoch Capabilities Index (ECI): 其初步非官方结果恰好位于中国模型的趋势线上。
- Arena Frontend Code: 排名第一，领先于 Fable 5 和 Sol。
- GeneBench-Pro: 在计算生物学相关的长时程模糊判断任务中表现出色，超越了 Opus 和 GPT-5.5。
- Debate Benchmark: 排名第二，仅次于 Claude Fable 5，展现了强大的知识、逻辑和连贯性。
安全措施与实际能力
Kimi K3 在安全方面引发了担忧。报告显示，其在生物/病毒学方面的安全措施几乎不存在。而在网络安全方面，其表现出乎意料地疲软。
s1r1us (mohan)：我对 kimi k3 很失望。它在我们大多数安全基准测试中的表现比 grok 4.5 还要差。不确定是基准测试最大化还是智能不均。
一个有趣的假说是，如果 Kimi K3 主要通过蒸馏 Fable 模型进行训练，而 Fable 自身对网络安全任务有所规避，这可能解释了其在该领域的相对弱点。
能做什么与不能做什么
- 能做： Kimi K3 在某些任务上表现惊人，例如有用户让其在浏览器中重建一个功能齐全的 macOS 界面，并能保存状态。它在 3D 建模、前端设计和代理编码 等领域被认为特别强大。
- 不能做： 在可用性方面，发布初期服务器严重过载，响应缓慢且不稳定，许多用户难以获得流畅体验。同时，其较高的使用成本也让一些用户望而却步。
你是谁？Kimi K3 的身份问题
一个关键的争议点是，Kimi K3 在与用户交互时，有时会声称自己是 Claude。
- 自称 Claude： 多位用户报告，Kimi K3 大约有十分之一的概率会认为自己是 Claude。
- 行为模式相似： 它遵循与 Claude 相同的思维链 (CoT) 模式，例如在回答结尾处解释其格式决策。
- 偏好相似： 在一个测试中，当被问及是否投资 Anthropic 时，它像 Claude 一样表现出更低的泡沫破裂概率判断，这被认为是“内化了的内在 Claude”的表现。
typebulb：它每10次里有1次认为自己是 Claude。对于一个声称达到顶尖水平的模型来说，这既尴尬又不可接受。
结论：一个澄清的时刻
Kimi K3 是迄今为止在纯粹能力上最令人印象深刻的中国模型，但并非颠覆者。它在基准测试上的优异表现可能无法完全转化为实际应用中的优势，并且其背后存在大量对现有先进模型的模仿和学习。
这次发布再次证明，简单的追赶和模仿足以在某些指标上达到惊人水平，但从跟随者转变为领导者需要真正的创新飞跃。同时，随着更强大开源模型的出现，关于其安全风险、滥用可能性以及政府应如何应对的讨论正变得前所未有的紧迫。美国政府已在考虑对中国开源模型采取限制措施，这表明技术竞争正迅速演变为地缘政治博弈。
Kimi K3 的出现是一个澄清的时刻：它展示了当前AI发展的速度，也暴露了围绕技术、安全和政治的复杂矛盾。