7月16日晚，月之暗面发布了K3模型。它拥有2.8万亿参数，在Frontend Code Arena中击败了Claude Fable 5（1679分对比1631分），将于7月27日开源。官方博客的表述罕见地坦诚：虽然整体表现仍落后于最强的闭源模型Claude Fable 5和GPT-5.6 Sol，但在全套评测中展现出前沿水平，并稳定超越了其他所有模型。这种坦诚在国产大模型发布中实属难得。它不装全能，只表明在编程这一主战场上，它已坐到了前排位置。
消息放出后，X平台的时间线被K3刷屏。海外开发者这次没有当看客，而是直接将其作为生产力工具进行实测。
震撼派方面，Vercel CEO Guillermo Rauch对nextjs.org进行了综合Web工程评测，结论直截了当：K3领先Fable，这是开放模型首次在综合工程交付能力上领先所有专有模型。这测的是真实工程能否落地，而非算法题。Rauch还补充道，榜单不能讲完全部故事，最强模型的任务完成率也未达100%。Arena.ai数据显示，K3在Frontend Code Arena以1679分登顶，相比K2.6的第18名跃升17位，在7个前端领域拿下6个第一。Artificial Analysis的独立评测显示，其综合指数为57，与Claude Opus 4.8、GPT-5.5处于同一梯队；AutomationBench-AA得分53%居首；长程知识工作Elo 1547，仅次于Fable 5。任务成本约0.94美元，低于Opus 4.8。马斯克在Artificial Analysis的推文下留言“Impressive”。Sriram Krishnan的评价更为宏观，称其为“对整个行业具有多重影响的重大时刻”。Emad Mostaque则直言：“美国实验室最终会去蒸馏中国模型。”
冷静派方面，海外反应并未被冲昏头脑。Simon Willison进行了经典的鹈鹕SVG测试，发现K3相比K2.5有明显提升，图像理解也不错，但简单任务消耗了1.6万余输出Token，其中约1.32万是推理Token，成本约0.25美元。推理Token使用过重，效率边界仍需观察。Ivan Fioravanti在两项真实项目中称赞了K3的UI、设计和速度，认为其较好地遵循指令，但指出模型“投入较多思考，偶尔越界加戏”，它会自行扩展任务范围而非严格停在用户划定的边界内。Bindu Reddy更直接地提醒K3榜单成绩“过于突出”，仍需用更难污染的测试继续验证，尚不能称为Opus级，特别是在长上下文、多轮、复杂Agent循环中。Redis作者antirez则把K3放在开放权重模型快速进步的背景下，强调需要长期真实结果才能判断模型水平与实际贡献。
X上的反应分为两派，但都承认一件事：K3让全球AI从业者不得不重新评估中国开源模型的位置。它已经从“便宜替代品”变成了一个需要认真对比的生产力工具。
如果将中国AI开源模型的全球冲击排序，K3大概是第三次。第一次是DeepSeek，年初R1以低成本、高效率震动全球，证明中国模型能在有限算力下做出顶尖性能，路线是“普惠”，让全球开发者用得起。第二次是GLM，国内头部模型ARR半年从1亿飙到10亿，在Code Arena盲测中全球第一，证明中国模型能赚钱，路线是“商业闭环”。第三次是K3，2.8T参数、Frontend Code Arena第一、7月27日开源完整权重，这是中国开源模型第一次同时在参数规模、前沿性能和全球开发者声量上冲击第一梯队。
三次冲击，三条路线。DeepSeek证明“能便宜”，GLM证明“能赚钱”，K3证明“能贵得有道理”。这背后是一个更深层的变化：中国AI开源阵营正在从“速度套利”转向“价值定价”。过去12个月，有9个月开源模型的参数上限由Kimi保持。K3算不上突然冒出来的，它是连续路线的终点。从K2的1万亿参数到K3的2.8万亿，架构上采用了自研KDA混合线性注意力加上Attention Residuals，配合MoE（896个专家激活16个），扩展效率提升约2.5倍。
7月27日开源2.8T，但绝大多数开发者根本跑不起来。即使做了量化，本地部署也需要多张高端显卡。所谓的“开源”，更像是开放一份“行业标准参考书”。说白了，开源是广告牌，API是收费站。你看得到、学得到，但用不起，最终还得回来找我。把KDA贡献给vLLM社区，是在买生态门票。产业界早就在用这套玩法：输出技术标准、建立开发者认知、降低试用门槛，最终把流量导向API。
K3的“性格”很鲜明。它愿意投入大量推理换取交付质量，但在简单任务里显得“用力过猛”。Fioravanti发现K3“投入较多思考，偶尔越界加戏”，会自行扩展任务范围。Willison的实测更量化：简单任务消耗1.6万余输出Token，其中约1.32万是推理Token，成本约0.25美元。默认max模式下，推理Token占比极高。这更像是K3自带的工作风格，它假设用户愿意为交付质量付溢价，所以默认拉满推理链条。但问题是，简单任务不需要这么重的思考。未来能不能在harness上做得更好、更节省Token，知道什么时候该停、什么时候该用力，是K3的下一道门槛。
Token烧得快，意味着实际成本比账面价格更高。缓存命中0.30美元看起来很香，但默认模式下推理Token占比极高，简单任务也能烧出0.25美元。如果控制不好停止条件，成本会快速膨胀。Artificial Analysis的独立页面也指出，K3速度低于同档平均、输出偏冗长。K3走的不是普惠路线，更像生产力工具路线。它假设用户是愿意为好结果付溢价的企业开发者，不是追求极致性价比的个人用户。价格确实贵，API输出涨到15美元，未命中输入3美元，对比国产同行（如DeepSeek、混元Hy3仅1元/百万token）明显更高。但第三方实测K3成本仅为Fable 5的四分之一。“贵”是相对于国产模型，相对于海外旗舰，它依然是“高端性价比”。
Kimi选择了更难走、也更值钱的那条路。DeepSeek让全球开发者用得起，Kimi让全球开发者用得好。两条路没有高下，但K3证明了一件事：中国AI不仅能“便宜”，还能在高端生产力场景里卡位。
当然，差距还在。官方承认整体落后Fable 5和GPT-5.6 Sol，Bindu Reddy提醒榜单需验证，antirez强调“要看长期真实结果”。在前端编程和Agent任务上，K3惊艳；在复杂统计和长程Agent循环上，它仍有明显距离。“局部领先、全局追赶”是K3最准确的画像。K3算不上稳妥的聊天机器人，它更像一个愿意主动行动、更擅长交付视觉结果、也更需要校验停止条件的Agent模型。
小小震撼，刚刚好。K3没有宣称全面超越，它只是在特定战场证明中国开源模型可以坐第一排。X上的热议、Vercel CEO的背书、外媒的“下一个DeepSeek时刻”，这些反馈本身说明，K3让全球AI从业者不得不重新评估中国模型的位置。有震撼也有遗憾，有领先也有短板。这种“刚刚好”的真实感，比任何“全面碾压”的宣传都更有说服力。
