Kimi K3 寫前端贏 Claude，平價背後仍然食晶片同電力

Kimi K3 啱啱推出就搶到開發者目光：前端程式表現排到第一，整體能力又貼近 OpenAI 同 Anthropic 嘅頂級模型，API 價錢睇落仲平一截。對寫 app、砌網站同跑 AI agent 嘅團隊嚟講，呢個已經唔只係跑分新聞。不過逐個數字拆開睇，K3 有吸引力之餘，亦冇平到可以閉眼搬晒現有系統過去。

寫前端夠搶眼，整體能力仍有距離

Arena 嘅盲選結果顯示，Kimi K3 喺 Frontend Code 排名攞到第一，1679 分壓過 Claude Fable 5，亦由上代 K2.6 嘅第 18 位跳升 17 位。呢類測試會叫模型整網頁、介面同互動效果，再由人揀邊個成品好，對做 prototype 同前端設計幾有參考價值。不過佢集中睇視覺同網頁開發，唔代表除錯、大型程式庫維護、測試覆蓋同長時間 agent 任務全部一樣贏。

Artificial Analysis 嘅綜合結果就冇咁一面倒。K3 喺 Intelligence Index 得 57 分，排第三，接近 Claude Opus 4.8 同 GPT-5.5，但仍落後 Claude Fable 5 同 GPT-5.6 Sol。月之暗面自己亦承認，K3 嘅整體使用體驗同嗰兩款頂級閉源模型仲有明顯差距。早期排名證明佢值得試，未足以證明可以直接取代 Claude Code 或 Codex。

圖片：Moonshot AI

Token 單價平，埋單要睇佢用幾多

K3 官方 API 每 100 萬 input token 收 3 美元、output token 收 15 美元；命中 cache 嘅 input 就係 0.3 美元。相比之下，GPT-5.6 Sol 收 5／30 美元，Claude Fable 5 收 10／50 美元，K3 個價確係低好多。不過佢同平衡價錢同能力嘅 GPT-5.6 Terra相比就接近得多：Terra 收 2.5／15 美元，input 仲平少少。

真正影響公司張單嘅係完成一項任務總共燒咗幾多 token。Artificial Analysis 計到 K3 平均每項 Intelligence Index 任務約 0.94 美元，GPT-5.6 Sol 約 1.04 美元，Claude Opus 4.8 約 1.80 美元。K3 同時用少過 K2.6 約 21% output token，分數亦高咗。不過 TechNews 科技新報報道，對沖基金經理 Gavin Baker 嘅推出日分析用另一組比較，認為 K3 跑同類任務貴過 GPT-5.6 約 50% 至 70%。兩邊結果提醒咗一點：模型版本、推理強度、agent 工具同任務組合一轉，成本排名都可以跟住轉，團隊最好攞自己常做嗰批工作試算。

開放權重仲未兌現，自行部署亦唔輕鬆

月之暗面話完整權重會喺 7 月 27 日前放出；截至 7 月 20 日，開發者只可以經 Kimi 網頁、app、Kimi Code 同官方 API 用 K3，仲未可以下載完整權重自行部署。官方而家稱 K3 為「open」模型，只可以理解為承諾稍後公開。完整權重未放出之前，唔應該寫成已經開放；授權條款同實際檔案都要等正式發布先確認。

就算權重如期公開，2.8 萬億參數亦唔係擺幾張普通 GPU 就跑得順。K3 每個 token 只啟動 896 個 experts 入面嘅 16 個，MoE 架構慳到部分運算，但月之暗面仍建議用最少 64 個加速器組成嘅 supernode 部署。對一般開發者，實際選擇多數仍係官方 API 或第三方雲端服務；開放權重主要畀大型雲端商、研究機構同有基建能力嘅企業多一個議價同改模型嘅選項。

模型平咗，基建需求未必跟住跌

TechNews 科技新報報道 Baker 嘅觀點，K3 可能會壓低 OpenAI 同 Anthropic 嘅模型層利潤，晶片、電力、雲端商同軟件公司反而有機會受惠。個邏輯幾直接：可用模型多咗，開發者可以用較低成本塞 AI 入更多產品，agent 又會反覆讀檔、寫程式、跑測試同改錯，一項工作消耗嘅推理量可以相當高。每個 token 慳到運算，總 token 用量仍可能升得更快。

K3 本身亦示範咗點解「模型效率高」同「唔使買晶片」拉唔上等號。月之暗面聲稱新架構嘅 scaling efficiency 高過 K2 約 2.5 倍，但模型規模同時加到 2.8 萬億參數，官方部署建議仲去到 64 個或以上加速器。效率改善會令更大模型同更長 agent 任務變得可負擔，電力、RAM、連線頻寬同推理硬件照樣要供應。

股價跌唔可以全算落 K3 度

K3 發布後，Nvidia、Broadcom 同其他晶片股受壓，市場自然聯想到 2025 年初 DeepSeek 引發嗰輪拋售。不過 Reuters 嘅市場報道提到，晶片股之前已經因估值偏高、AI 投資回報同企業資本開支前景而受壓；同期仲有油價同地緣局勢等因素。K3 加重咗投資者疑慮，冇足夠證據話佢單獨造成整輪跌市。

對開發團隊，K3 最值得試嘅係前端製作、長時間編程同大量重複內容可命中 cache 嘅任務。正式轉模型之前，最好用真實程式庫比較成功率、完成時間、總 token、重試次數同人工執手尾。至於晶片同雲端需求，下一步要睇 7 月 27 日權重有冇如期放出、第三方部署成本有幾高，同實際用量會唔會跟住升。

參考來源

• TechNews 科技新報 — 中國 AI 模型嚇壞華爾街 Baker：反益晶片／AI 基建 — original report
• Moonshot AI：Kimi K3 技術介紹 — 官方一手資料，核對架構、API 收費、推出渠道、限制同權重發布時間。
• Artificial Analysis：Kimi K3 獨立評測 — 提供 Intelligence Index、每項任務成本、token 用量同 agent 評測結果。
• OpenAI：GPT-5.6 系列資料及收費 — 核對 GPT-5.6 Sol、Terra 同 Luna 官方 API 價錢及能力定位。
• Anthropic：Claude Fable 5 — 核對 Claude Fable 5 官方 API 收費同產品定位。
• Reuters：晶片股跌勢同 Kimi K3 市場反應 — 交代晶片股拋售早已受估值、AI 投資回報同資金輪動等多項因素影響。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。