月之暗面 Kimi K3 开源，2.8T 参数、百万 token 上下文，对标 Sonnet 5 高端档。本文拆解它的能力定位、定价策略和实际可验证的用法。
月之暗面 Kimi K3 开源，2.8T 参数、百万 token 上下文，对标 Sonnet 5 高端档。本文拆解它的能力定位、定价策略和实际可验证的用法。
通过泄露的Fable 5系统级Prompt和--system-prompt-file参数，在Opus 4.8上注入Fable 5的'人格底稿'，实现相近的输出效果
7 月 16 日，月之暗面（Moonshot AI）放出 Kimi K3——一个 2.8 万亿（2.8T）参数的原生多模态开源模型，目前是全球参数量最大的开源模型。官方主打三件事：百万 token 上下文、长程编程、深度推理。社区里讨论最热的不是参数量，而是它对标 Sonnet 5 高端档的定价，以及有人用它半天就把一个 29 美元/月的录屏工具复刻成了免费 Mac App。这篇文章把 K3 是什么、怎么调、定价如何、以及哪些能力可以独立验证讲清楚，适合在选型开源编程模型的开发者。
Kimi K3 是月之暗面在 2026-07-16 发布的开源模型，定位是长程编程、知识工作、深度推理。
几个关键标签：
可以把它理解成"开源里跑分最高的编程主力模型之一"，对标的不是开源圈内部，而是直接对标 Anthropic 的 Sonnet 5 高端档。
K3 在 lmarena Arena 榜单登顶，前端竞技场拿到第一。在对比里，官方与社区给的定位是：
💡 提示：Arena 是人工盲评榜单，相对中立，但样本量和任务分布会随时间漂移。选型时把它当参考线，不要当结论。
官方放了两个偏极限的演示：
这两个演示偏向"长 horizon agentic 任务"，是 K3 主打的差异化场景。看演示时建议关注它的停止条件和中间检查点，而不是只看最终结果——这才是判断一个 Agent 是否真能跑长任务的关键。
主素材作者"花叔"做了一次比较直观的工程实测：用一个 29 美元/月的录屏 SaaS 作为参照物，用 Kimi K3 在半天内复刻出免费的 Mac 原生 App。
这种实测的价值在于：
如果你正在评估 K3 在"小型桌面应用从 0 到 1"场景下的可用性，这是一个值得复现的基准。
K3 的 API 定价是一个值得关注的信号：
| 维度 | Kimi K3 | 对标 |
|---|---|---|
| 参数规模 | 2.8T（开源） | Sonnet 5（闭源） |
| 价格档位 | 高端档 | 对标 Sonnet 5 |
| 提价幅度 | 较前代近 4 倍 | 直接对标 Sonnet 5 |
| 视频生成 | 暂不跟进 | — |
把开源模型定到接近闭源旗舰的价格，月之暗面的判断是：K3 的能力撑得起这个档位。是否值得，建议在你自己的真实 workload 上跑一轮 benchmark 再下结论。
# 文档：https://platform.kimi.com/docs/guide/kimi-k3-quickstart
# 1. 在 platform.kimi.com 注册并创建 API Key
# 2. 按官方 quickstart 接入，兼容 OpenAI SDK 调用方式适合：想做应用集成、需要稳定 SLA、不愿意自己部署的开发者。
# 仓库：https://github.com/moonshotai
# 注意：2.8T 参数对显存要求极高，单机推理不可行
# 需要多卡（H100/H200 级别）做张量并行适合：有 GPU 集群、对数据合规有要求、想深度定制的企业团队。
参考来源