Kimi K3 评测：基准测试、API 价格与社区演示

Kimi K3 是 Moonshot AI 的 2.8 万亿参数旗舰模型，专为长周期编码、知识工作、多模态推理和智能体任务而设计。本评测涵盖其规格、Kimi K3 基准测试、API 价格、TokenHub 和 OpenCode 设置、社区演示，以及与 Claude Fable 5、Opus 4.8 和 GLM-5.2 的重点对比。

简而言之：Kimi K3 的 100 万 token 上下文窗口、原生视觉能力和早期基准测试结果，使其值得在大型代码库、长文档、视觉开发和研究中进行测试。生产决策仍应取决于您自己的工作流中的任务质量、延迟、成本和可靠性。

快速访问：尝试 Kimi K3，通过 TokenHub 使用单个 API 密钥和兼容 OpenAI 的端点。

什么是 Kimi K3？

发布于 2026 年 7 月 16 日，Kimi K3 是截至本次评测为止 Moonshot AI 最强大的模型。其稀疏混合专家设计在每 token 激活 896 个专家中的 16 个，而不是为每个请求使用全部 2.8 万亿参数。Kimi Delta Attention 和 Attention Residuals 旨在提高长序列和模型深度方面的效率。

Kimi K3 规格与发布详情

Moonshot 表示，新的架构和训练方法使整体扩展效率相比 Kimi K2 提高了约 2.5 倍。Kimi K3 还采用了量化感知训练，使用 MXFP4 权重和 MXFP8 激活。尽管采用稀疏激活，自托管如此规模的模型仍是一个基础设施密集型项目，而非典型的本地 LLM 部署。

Kimi K3 基准测试：早期数据说明了什么

TokenHub 模型页面目前列出了来自 Artificial Analysis 的以下指标：

Moonshot的发布评估还报告了Terminal-Bench 2.1上的88.3分、BrowseComp上的91.2分、DeepSearchQA上的95.0分以及GPQA Diamond上的93.5%。这些分数表明了该模型预期的优势，但Kimi K3通常在最大推理努力下进行测试，并且一些模型比较使用了不同的代理框架。应将较小的分数差异视为方向性参考，而非普遍优越性的证明。

如何在TokenHub上使用Kimi K3

对于想知道如何在不创建另一个特定于提供商的集成的情况下使用Kimi K3的开发人员，TokenHub通过其统一的API网关提供该模型。

1. 创建TokenHub工作区

打开TokenHub控制台，使用电子邮件或Google身份验证创建工作区。

2. 添加使用余额

TokenHub在受支持的提供商和模型之间使用共享的工作区余额。为计划运行的测试工作负载添加足够的余额。

3. 生成TokenHub API密钥

在TokenHub控制台中创建网关密钥。将密钥存储为环境变量，而不是硬编码在应用程序中。

export TOKENHUB_API_KEY="YOUR_TOKENHUB_API_KEY"

4. 使用 OpenAI SDK 发送请求

TokenHub 提供与 OpenAI 兼容的 API。现有的 OpenAI SDK 代码可以通过更改基本 URL、API 密钥和模型 ID 来使用 Kimi K3。

import os\nfrom openai import OpenAI\n\nclient = OpenAI(\n    base_url=\"https://us-api.tokenhub.com/v1\",\n    api_key=os.environ[\"TOKENHUB_API_KEY\"],\n)\n\nresponse = client.chat.completions.create(\n    model=\"kimi-k3\",\n    messages=[\n        {\n            \"role\": \"user\",\n            \"content\": \"审查此函数并找出任何并发问题。\",\n        }\n    ],\n)\n\nprint(response.choices[0].message.content)

在 TokenHub 上，模型标识符是 kimi-k3. 不要将其替换为 k3 标识符，该标识符用于某些 Kimi Code 集成，除非端点文档特别要求您这样做。

TokenHub 还列出了一个与 Anthropic 兼容的 /v1/messages 路由。使用与应用程序其余部分匹配的端点和 SDK 风格。

使用 Kimi K3 与 OpenCode

Kimi K3 可以通过 Kimi 官方的 Kimi For Coding 登录或通过 TokenHub。官方路由使用 Kimi API 密钥和模型 ID k3; 下面的 TokenHub 路由使用 TokenHub API 密钥和 kimi-k3.

通过 TokenHub 进行 Kimi K3 OpenCode 设置

由于 TokenHub 提供了与 OpenAI 兼容的端点，因此可以将其添加为自定义的 OpenCode 提供程序。首先请安全地存储 API 密钥：

export TOKENHUB_API_KEY="YOUR_TOKENHUB_API_KEY"

然后将自定义提供程序添加到 opencode.json:

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "tokenhub": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "TokenHub",
      "options": {
        "baseURL": "https://us-api.tokenhub.com/v1",
        "apiKey": "{env:TOKENHUB_API_KEY}"
      },
      "models": {
        "kimi-k3": {
          "name": "Kimi K3",
          "limit": {
            "context": 1048576,
            "output": 131072
          }
        }
      }
    }
  }
}

启动 OpenCode 并运行 /models 以选择 TokenHub / Kimi K3. OpenCode 的提供方配置可能会发生变化，因此如果模型未出现，请在 OpenCode 文档中确认当前的自定义提供方语法。

Kimi K3 社区展示

社区项目比单独的基准测试表更能具体地展示人们正在使用 Kimi K3 尝试的内容。这些示例是演示，而非受控评估：原始提示词、迭代次数、手动编辑、工具和托管工作可能未得到公开记录。

前端页面生成：Windows XP 网页体验

一个被广泛分享的 由 AB Kuai.Dong 发布的 X 帖子 突显了一个据报道使用 Kimi K3 构建的基于浏览器的 Windows XP 重现。该帖子链接到 windows-xp.kimi.site 并显示了一个熟悉的 Windows XP 桌面，带有可交互的窗口。其附带视频演示了 Grand Theft Auto: Vice City 在网页体验中运行，并表示该项目也可以运行 Command & Conquer: Red Alert 2.

该帖子的作者将这个项目描述为另一个社区制作的 macOS 风格网页的进阶之作。在本次查看时，这条 X 帖子显示约有 441,000 次查看、2,489 个赞和 1,013 个书签，表明人们对 Kimi K3 的前端生成能力有浓厚兴趣。

该演示所展示的内容

• 复现可识别的桌面操作系统界面
• 多个分层窗口和交互式 UI 状态
• 在网页内集成可玩或流式传输的游戏体验
• 协调视觉设计、应用逻辑和大型前端代码库的能力

它不能证明的内容

公开帖子并未披露完整的提示历史、源代码、生成次数、人工更正，或其他模型和工具是否参与。因此，最好将其视为 Kimi K3 辅助前端开发的社区展示，而非独立的 Kimi K3 基准测试，或该模型一次生成整个项目的证明。

交互式 3D 场景生成：湖泊环境

另一个 来自 gimu 的社区帖子展示了一个 3D 湖泊环境，该环境是作者 Kimi K3 性能测试的一部分。视频呈现了一个可导航的景观，包括反射水面、茂密树木、周围群山，以及一个用于调整环境设置的屏幕上的大气面板。

创作者表示，湖泊、森林和山景的质量超出了他们的预期，并得出结论，该结果优于同帖中包含的之前 Claude Fable 5 湖泊实验。在审核时，Kimi K3 帖子显示约有 212,000 次查看、1,268 次点赞和 555 次收藏。

“优于 Fable 5”的结论是创作者的主观评估。该帖子没有公布标准化的评分方法、完整的提示、源代码、生成设置或涉及的人工工作量，因此不应将其视为受控的 Kimi K3 与 Fable 5 基准测试。

网页设计工作流：从视觉研究到成品落地页

在一个由 Viktor Oddy 分享的社区教程中，Kimi K3 被用于一个约 13 分钟的工作流程中，来创建作者所称的“获奖”网站。视频展示了创作者收集视觉参考资料并推进设计过程，随后呈现了一个精美的落地页概念，包含醒目的排版、克制的单色插画、清晰的导航和突出的行动号召。

这是一个有用的Kimi K3 网页设计展示，因为它所呈现的不只是一张最终截图。它展示了一个实际的工作流程，从视觉方向和参考资料收集到页面生成与迭代，这使得它对设计师、创意开发者以及使用 AI 进行快速网站原型制作的团队都具有参考价值。

在审核时，该帖展示了大约 107,000 次查看、1,689 次点赞和 2,223 次收藏。异常高的收藏数表明读者认为该教程是一个可重复的工作流程，而不仅仅是一个视觉演示。

Kimi K3 对比 Claude, Fable 5, Opus 4.8 和 GLM-5.2

此表为评审提供支持性背景。社区演示和基准分数是有用的信号，但生产决策仍需要针对您自己的工作负载进行受控测试。

Kimi K3 vs Fable 5

对于像”Kimi K3 vs Fable 或 Kimi K3 vs Fable 5″, Moonshot自身的发布定位表示Fable 5整体上仍然更强。当开放权重、有记录的1M上下文窗口、多模态开发或API经济性更为重要时，Kimi K3可能更具吸引力；应在目标工作流上对两者进行测试，而不是假设一个能赢得所有任务。

Kimi K3 vs Claude

“Kimi K3 vs Claude”是一个宽泛的比较，因为Claude包含多个模型层级。Claude拥有成熟的生态系统和已建立的编码工作流，而Kimi K3则强调开放权重、原生视觉、1M上下文和长期运行的代理任务。比较成功率、延迟、工具可靠性和每项已完成任务的成本——而不仅仅是Token价格。

Kimi K3 vs Opus 4.8

在 Kimi K3 vs Opus 4.8，Opus 是更成熟的生产选择，适用于高级软件工程和智能体推理。Kimi K3 在部分发布的基准测试中与 Opus 不相上下或领先，但对于优先考虑长上下文、多模态和更高模型开放度的团队来说，它是较新的选择。

Kimi K3 vs GLM-5.2

关于Kimi K3 vs GLM 5.2的对比之所以重要，是因为两者都面向长周期工作，并支持 1M token 的上下文。GLM-5.2 提供 MIT 许可的权重和可选的投入力度；Kimi K3 规模大得多，并强调原生视觉和更广泛的知识工作。它们的发布报告在 Terminal-Bench 2.1 上分别列出了 81.0 和 88.3，但评测细节不同，因此不能把这一差距视为纯粹的直接对比结果。

Kimi K3 API 价格：官方 API vs TokenHub

Kimi K3 的 API 价格取决于模型的访问位置。

TokenHub 目前列出的实际价格略低于官方 Kimi API。价格可能变动，因此在计算生产预算前，请查看实时模型页面。

例如，一个使用 100,000 个未缓存输入 token 和 20,000 个输出 token 的 TokenHub 请求，费用大约为：

• 输入: 0.1 × $2.8571 = $0.28571
• 输出: 0.02 × $14.2857 = $0.285714
• 预计总计: 大约 $0.57

如果相同的 100,000 个输入 token 按缓存读取计费，输入部分将降至约 $0.02857. 实际代理成本可能更高，因为推理、工具结果、重试和长对话历史会增加令牌使用量。

Kimi K3 优势

• 1M-token 上下文，适用于大型代码库和文档集合
• 原生视觉支持，适用于截图、界面和可视化开发
• 在编码、搜索、推理和长上下文评估方面取得了强劲的早期结果
• 通过 TokenHub 提供 OpenAI 与 Anthropic 兼容的路由
• 上下文缓存和已宣布的开源权重发布

Kimi K3 局限性

• 生产历史有限，且在较大程度上依赖发布期评估
• 结果因推理力度、所用工具和智能体框架而异
• 深度推理和长上下文会增加延迟和总成本
• 自行托管一个2.8T参数规模的模型需要大量的基础设施
• 长上下文和使用工具的智能体仍然需要检索检查、权限控制、日志记录和人工审核

谁应该测试Kimi K3？

Kimi K3最适合以下人群：

• 处理大型代码库或编码智能体的开发者
• 综合整理长文档集合的研究人员
• 根据视觉参考生成代码的前端团队
• 反复重用缓存上下文的应用
• 团队通过兼容OpenAI的网关评估开放权重替代模型

它可能对于可以由更小,更便宜的模型处理的短文本分类,提取,或常规聊天任务是不必要的.

常见问题

我如何使用Kimi K3?

通过Kimi的应用程序, 官方API, Kimi Code, OpenCode, 或TokenHub使用Kimi K3. 在TokenHub上, 生成API密钥并调用 kimi-k3 通过 https://us-api.tokenhub.com/v1.

Kimi K3是免费的吗?

Kimi提供免费会员层级，但K3的使用基于积分，访问限制取决于当前方案。API使用并非免费：官方Kimi API和TokenHub均按token计费。除非明确提供单独的促销或试用额度，否则TokenHub要求付费模型请求有使用余额。

在哪里可以获取Kimi K3 API密钥？

如需直接访问Moonshot，请在Kimi API控制台创建API密钥。要与其他提供商的模型一起访问Kimi K3，请在TokenHub工作区创建TokenHub API密钥。这些密钥属于不同服务，不可互换。

Kimi K3使用什么模型ID？

TokenHub使用 kimi-k3. 某些Kimi Code和Kimi For Coding集成使用 k3. 始终使用您所调用端点记录的标识符。

Kimi K3与OpenCode兼容吗？

是的。使用 Kimi For Coding 的官方登录，或将 TokenHub 配置为自定义的兼容 OpenAI 的提供商，并使用kimi-k3 模型 ID。

最终结论：你应该尝试 Kimi K3 吗？

Kimi K3 的规格、早期基准测试和社区项目证明，在高要求的负载下对其进行测试是合理的。Windows XP 演示展示了其前端潜力，但生产环境评估仍应衡量任务成功率、未经证实的声明、延迟、token 使用量、工具可靠性以及所需的人工修正。

在 TokenHub 上试用 Kimi K3 并使用统一的 API 密钥在您自己的代码库、文档、图片或代理工作流中运行它。