Kimi K3 深度测评（一）：2.8万亿参数、1M上下文背后，它到底是"全能王"还是"偏科生"？

系列总览篇。本文不吹不黑，只做一件事：把 Kimi K3 的公开真实规格与基准数据摆上桌，再和 Claude Fable 5、GPT-5.6 Sol、DeepSeek V4 Pro 等一线模型正面对比，帮你判断它到底适合什么场景。

0. 一句话结论

Kimi K3 不是"全能通用王"，而是当前开源阵营里最强的"长上下文 + 代码/智能体"特化模型：前端代码登顶、1M 上下文、agentic 长程任务强；但在专家级数学、研究级物理、以及事实幻觉控制上，明显落后于同代的 Claude / OpenAI 旗舰。

下面用数据说话。

一、先看清规格：它到底什么来头

Kimi K3 由月之暗面（Moonshot AI）于 2026 年 7 月 16 日托管上线，7 月 17 日在 WAIC 上海亮相，并承诺于 7 月 27 日放出完整权重（Modified MIT 许可证）。核心规格如下：

⚠️ 注意：2.8T 是"总参数"，不是"每 token 计算量"。稀疏 MoE 每 token 只激活 16/896 专家，所以它在"容量大"的同时，推理算力成本远低于同规模稠密模型——但权重存储、路由通信和 1M 上下文的内存压力依然巨大。

二、和谁比？真实智能指数横评

最干净的跨模型对比来自 Artificial Analysis Intelligence Index v4.1（同一套 harness、同一批设置测所有模型）。K3 得分约 57，是有史以来开源模型在该榜的最高排名。

结论：K3 把开源模型的天花板拉到了闭源旗舰的同一档位附近，但综合仍落后 Fable 5 / Sol 半个身位。

三、强在哪、弱在哪：一张表看懂"偏科"

把表竖着读：K3 在"写代码、读长文、跑流程、做科研级问答"上很能打；在"硬算数学、硬推物理、不胡说"上掉队明显。

四、我的判断与选型建议

1. 适合：前端/全栈代码生成、超长文档（合同、论文、代码库）分析与检索、长程多步骤智能体（自动化办公、终端操作）、科研级 QA。

1. 不适合：需要极高数学严谨性的场景（定理证明、金融量化建模、复杂数值仿真）、对"零幻觉"有硬要求的合规/医疗问答。

1. 成本提醒：API 输出 $15/百万 token，比 DeepSeek V4 Pro、GLM-5.2 贵数倍。建议"重活上 K3，杂活上便宜模型"的混合路由。

📌 数据来源与实测说明（重要）

• 本文基准数据来自 Moonshot 官方发布、Artificial Analysis、LMArena、Epoch AI 等公开渠道，为 2026 年 7 月下旬快照；基准排名每周变动，数字仅供参考。

• ⚠️ 厂商自报的编码分数混合了 KimiCode / Claude Code / Codex / mini-SWE-agent 等不同 harness，并非严格同口径，不同 harness 可造成 10–26 分波动，请谨慎看待。

• 本系列后续文章提供可一键运行的测试脚本，读者可自行跑出真实输出验证。

• 投资/选型有风险，本文不构成任何商业或投资建议。