Kimi K3 前端生成贏 Arena，coding agent 賣點係 API 平同 100 萬 token context
100 萬 token 好吸引，自建版就唔係普通開發者玩得起
Moonshot AI 推出 Kimi K3，最搶眼嘅講法係 2.8 萬億總參數、100 萬 token context，再加 Frontend Code Arena 以 1,679 分排第一，壓過 Claude Fable 5。不過用 coding agent 嘅人要睇清楚：呢個 Arena 成績反映用戶盲選兩個前端成品時偏好邊個，證明 K3 做介面同視覺生成幾對辦；佢唔等於 K3 寫 backend、改大型 codebase、除錯同跑 terminal 都贏晒。
前端第一，未等於整體 coding 第一
Arena 嘅玩法係同一個 prompt 交畀兩個匿名模型生成，用戶睇過兩邊成品再投票。呢種方法幾適合量度網站觀感同第一輪完成度，參考價值亦高過模型廠自己揀題目。；但投票結果始終會偏向「一眼睇落靚唔靚、似唔似完成品」，未必捉到 code 易唔易維護、有冇安全問題，或者改到第十輪仲穩唔穩。K3 喺呢度由 K2.6 嘅第 18 位升到第一，係幾大步，但標題寫成全面擊敗 Claude 就行得太前。
Moonshot 公布嘅完整表亦冇話 K3 項項贏。官方數字顯示，K3 喺 Terminal-Bench 2.1、SWE Marathon 同部分 agent 題目幾強，但 DeepSWE、FrontierSWE 等項目仍落後於個別對手。更麻煩係各模型有時分別用 Kimi Code、Claude Code或者 Codex 呢啲唔同 agent harness 跑，工具、提示設定同執行策略都會影響分數。現階段可以話佢入咗旗艦級競爭範圍，仲未可以靠一張表定出總冠軍。
圖片：Moonshot AI
API 平幾多，要睇輸出量同 cache
K3 API 每 100 萬 token 收 US$3 非 cache 輸入、US$0.30 cache 命中輸入、US$15 輸出。同級價目上，GPT-5.6 Sol 係 US$5／US$0.50／US$30，Claude Fable 5 就係 US$10 輸入、US$1 cache 讀取同 US$50 輸出。K3 明顯平一截，不過亦貴過 K2 當年每 100 萬輸入 token US$0.60 嘅定價好多。；「中國模型一定平到近乎免費」呢個印象，去到旗艦級已經唔準。
例如一次任務食 20 萬非 cache 輸入，再吐 5 萬輸出，按公開牌價粗略計，K3 約 US$1.35、GPT-5.6 Sol 約 US$2.50、Fable 5 約 US$4.50。第二輪如果輸入全部命中 cache，三者約係 US$0.81、US$1.60 同 US$2.70。呢條數亦揭示重點：長時間 agent 不斷讀 code、跑工具再重寫，輸出 token 往往先係大戶。Moonshot 話官方 coding 負載 cache 命中率高過 90%，但團隊自己接 API 時有冇同樣效果，要睇 prompt prefix 穩唔穩同工具點編排。
圖片：Moonshot AI
100 萬 token 係容量，唔係可靠度保證
100 萬 token context 理論上可以塞入大型 repo、文件、測試紀錄同長時間任務軌跡，少咗頻密摘要或者切碎資料嘅麻煩。不過 context 放得落，同模型每一段都識得搵返、改啱位置，係兩回事；一次塞滿 100 萬非 cache token，K3 單計輸入已經係 US$3，之後輸出另計。真正值得測嘅係跨幾十次工具呼叫之後會唔會走樣、識唔識保留限制條件，同改動多個檔案時有冇漏測試，呢啲暫時未有獨立長期測試支持。
K3 嘅 2.8T 亦唔可以直接當成每個 token 都跑足 2.8T 參數。佢用 Mixture of Experts 架構，每次路由只揀 896 個 experts 入面嘅 16 個，即約 1.8% expert pool；總參數影響模型容量同儲存量，但實際運算仲要睇每個 expert 大細、共享層、attention 同路由成本。Moonshot 未公布足夠資料，現階段唔應自行換算成「每次只啟用幾多參數」。
權重會公開，自建門檻仍然高
Moonshot 話完整權重會喺 2026 年 7 月 27 日前發布，技術報告亦會同期補上。發布前未有辦法核對下載內容、量化檔、授權條款同第三方 serving 支援，所以而家最多只可以稱佢為即將公開權重。就算如期交貨，官方建議部署喺 64 張或以上加速卡組成嘅 supernode，盡量將 expert 之間嘅流量留喺同一個高頻寬區域；MXFP4 權重同 MXFP8 activation 有助壓低成本，但唔會令 2.8T 模型突然變成工作站級玩具。
換句話講，個人開發者較實際嘅入口仍然係託管 API，或者等雲端供應商接入；公開權重主要方便大型研究團隊、模型供應商做審計、微調同私有部署。官方 API 文件話傳入資料唔會用嚟訓練模型，亦唔會為訓練而持久保存，不過公開平台私隱政策列明個人資料存放喺中國境內。公司要放私有 code 或客戶資料入去，仍要自行核對合約、保存期、內容審查同跨境資料要求。
香港可唔可以直接用，暫時唔落定論
Kimi 官方列明 K3 已上架網頁、Kimi Code 同 API，API 格式亦兼容 OpenAI，理論上接入支援自訂 endpoint 嘅 coding 工具唔複雜。不過現有公開資料未清楚確認香港帳戶註冊、付款方法、發票安排同 K3 API 額度，亦未交代香港企業用戶適用邊份資料處理條款，所以未適合話香港開發者一定可以直接開戶使用。
K3 而家最值得試嘅係前端生成、長 repo 導航同多輪改 code 成本，唔使急住用 2.8T 呢個數字判定能力。等 7 月 27 日權重、授權同技術報告出齊，再睇獨立 agent 測試同實際每項任務成本，先會知道佢可唔可以長期取代現有 coding 模型。
參考來源
- Tom's Hardware — China's 2.8-trillion-parameter Kimi K3 beats Claude Fable 5 in Frontend Code Arena benchmark— Moonshot AI delivers largest open-weight AI model ever, as China works around U.S. compute limits — original report
- Moonshot AI：Kimi K3 技術網誌 — 官方第一手資料，包括架構、API 價錢、benchmark 設定、完整成績表同限制註解。
- Arena：How to Build Web Apps in Code Arena — 確認 Code Arena 生成、匿名比較同用戶投票方式，界定榜首成績代表咩。
- Kimi API：資料處理同安全說明 — 核對 API 輸入輸出會唔會用作模型訓練，以及官方公開嘅資料安全承諾。
- OpenAI：GPT-5.6 Sol 模型同 API 價錢 — 用官方牌價比較非 cache 輸入、cache 輸入同輸出成本。
- Anthropic：Claude Fable 5 — 核對 Fable 5 API 定價、prompt cache 折扣同 coding 定位。
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。
