Kimi K3是什麼？中國最強開源模型的技術、定價與產業衝擊全解析

AI競賽在2026年7月再掀波瀾。中國新創公司Moonshot AI（月之暗面）發表旗艦模型Kimi K3，不僅參數規模衝上2.8兆，性能更被形容為逼近Anthropic與OpenAI最頂尖的模型。這款模型究竟強在哪裡、定價是否真的划算，又會為整個AI產業帶來什麼樣的連鎖反應？本文將從技術架構、跑分表現、定價策略到產業衝擊，帶你一次看懂Kimi K3。

第一部分：Kimi K3是什麼？

Kimi K3是2026年7月由中國AI新創公司Moonshot AI（月之暗面）發表的模型，訓練參數達2.8兆，Moonshot在技術部落格中將其描述為全球第一個「開放3兆級（3T-class）」系統，也是目前規模最大的開源權重模型。K3於2026年7月16日正式發布，但發布當下模型權重尚未釋出，僅能透過Moonshot自家的API與產品使用，完整權重原訂於7月27日以Modified MIT授權釋出。

Moonshot在新聞稿中形容K3是公司目前最強大的開源程式碼模型，能在極少人工監督下持續進行長時間工程作業、瀏覽龐大的程式碼庫，並自主調度終端工具。這也呼應了Moonshot對K3的定位：一款專攻高難度、長時程任務的模型，而非單純用來聊天的助理。

值得注意的是，Moonshot AI於2023年3月在中國成立，同年10月推出Kimi聊天機器人，並在同年11月向大眾開放，當時率先支援12.8萬token的無損上下文。從2023年到2026年這三年間，Kimi從一款支援長上下文的聊天工具，逐步進化成如今對標國際頂尖模型的旗艦系統。

第二部分：Kimi K3的表現、架構

在技術架構上，K3每次推論僅從896個專家模型中啟用16個，啟用比例約為1.8%，並採用Moonshot自行研發的Kimi Delta Attention（KDA）與Attention Residuals技術，搭配Stable LatentMoE架構，官方表示相較上一代Kimi K2，整體訓練與架構調整帶來約2.5倍的規模化效率提升。模型支援100萬token的上下文視窗，並具備原生視覺理解能力。

跑分表現方面，第三方評測結果不完全一致，但方向相近：在Artificial Analysis的Intelligence Index上，K3排名第3，僅次於Claude Fable與GPT-5.6 Sol Max，但價格更為便宜；在Vals AI的整體排名上則位居第2；在Frontend Code Arena的前端程式評測中排名第1。另一份較新的資料則指出K3在Artificial Analysis上排名第4，並在Design Arena拿下第1，顯示隨著其他模型陸續上榜，K3的相對排名也在浮動。

至於與Anthropic、OpenAI的直接比較，Moonshot自己公布的數據顯示，K3與Anthropic目前最先進的Fable 5表現「具競爭力」，同時「大幅超越」Anthropic的Opus 4.8，以及OpenAI的GPT-5.6 Sol與GPT-5.5。CNBC的報導也指出，Moonshot自己承認K3在整體表現上仍落後Claude Fable 5與GPT-5.6 Sol，但持續穩定超越其他受測模型。換句話說，K3還不是「世界第一」，但已經證明中國團隊能用遠低於矽谷的資源，做出貼近頂尖水準的模型。

比較特別的是K3展現出的實務能力：在一項案例研究中，K3以連續48小時的自主運作，設計出一款模擬推論晶片，使用開源EDA工具與Nangate 45nm製程庫，最終在4平方毫米內完成100MHz的時序收斂，塞入146萬個標準元件與一組INT4 MAC陣列，並維持每秒超過8,700個token的模擬解碼速度，顯示這類模型的應用已經不只侷限在寫程式或聊天，甚至能延伸到晶片設計等專業領域。

第四部分：Kimi K3怎麼用？

Kimi K3依照使用情境不同，主要分成三種使用方式：一般使用者的網頁／App、開發者的Kimi Code，以及企業串接用的API。

1. 一般使用者：網頁版與App

不需要任何技術背景，只要登入Kimi帳號，建立新對話後從模型選單中選擇K3即可開始使用，實際可選權限會依訂閱方案與所在地區而定。使用上的小技巧是把要求一次講清楚，包括角色設定、目標、輸入資料、限制條件與想要的交付格式；如果是需要多步驟的長任務，可以先請K3輸出執行計畫與驗收標準，確認方向沒問題後再逐段往下走，會比一次要求它把整件事做完更容易掌控品質。

2. 開發者：Kimi Code CLI

Kimi Code CLI是一款可在終端機中運作的AI程式開發代理人，能讀取與編輯程式碼、執行shell指令、搜尋檔案、擷取網頁內容，並依照回饋自主決定下一步行動，開箱即可搭配Moonshot自家的Kimi模型使用，也能設定為使用其他相容供應商。安裝上不需要預先安裝Node.js，官方提供安裝腳本：

curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash

第一次啟動時，在CLI內執行/login，選擇使用Kimi Code OAuth或Moonshot AI Open Platform的API金鑰完成登入。登入後，在對話中輸入/model並選擇k3，即可切換到K3模型；不過要留意的是，K3僅開放給Moderato以上的付費會員，免費的Adagio方案只能使用K2.7 Code，且要升到Allegretto以上才能解鎖完整的100萬token上下文。

第一次接手一個新專案時，比較穩妥的做法是先請它做「唯讀」分析，而不是直接叫它動手改：

請先閱讀這個專案，不要修改任何檔案。
告訴我：
1. 如何啟動專案
2. 如何執行測試
3. 主要資料夾用途
4. 三個最需要注意的程式風險

確認分析結果沒問題後，再進一步請它動手：

請新增登入頁面的表單驗證。
修改前先說明預計調整哪些檔案與原因，
完成後執行測試並回報結果。

另外有一點官方文件特別提醒：K3是針對長時間、高難度任務訓練的模型，行為上會比一般模型更主動、更願意自行做決定，建議把專案的指令規範、測試需求、禁止修改的檔案與需要事先詢問的紅線，寫進一份AGENTS.md或等效的系統指示中，避免它每次都要自己猜測邊界。

3. 企業／開發者：API串接

若要把K3串進自己的網站、App或內部系統，可以到Kimi API Platform建立API金鑰，並在程式中呼叫模型ID kimi-k3。K3必須完成至少1美元的儲值才會解鎖使用，累計儲值金額也會決定帳號的等級與速率限制（併發數、每分鐘請求數、每分鐘token數、每日token數上限）。基本的Python串接方式如下：

from openai import OpenAI

client = OpenAI(
    api_key="你的MOONSHOT_API_KEY",
    base_url="https://api.moonshot.ai/v1",
)

completion = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "用一句話介紹Kimi K3"}],
)
print(completion.choices[0].message.content)

K3預設一律開啟思考模式，可以透過reasoning_effort參數調整推理強度，支援low、high、max三種等級（預設為max）。如果只是想快速測試效果、不想調整推理強度，建議先用low或high測試，觀察回應速度與費用後，再依實際需求調整到max。

小提醒：不管是CLI還是App，K3的第一個回應可能會比你習慣的模型慢一些，這是因為它預設一律以最大推理強度思考，而不是請求卡住了；另外切換模型或調整推理強度等級，都會讓原本累積的上下文快取失效，重新觸發較貴的prefill費用，建議盡量避免在同一個工作階段中頻繁切換。

第四部分：Kimi K3的定價如何？

透過API使用時，Kimi K3每百萬input token收費3美元、output token收費15美元，若命中快取則input token降至每百萬0.3美元，且不論上下文長度多長，價格都維持一致，沒有長文本的額外加價。不過這個定價其實比外界原本預期的「中國模型走低價路線」要貴上不少——3美元／15美元的定價已經跟Claude Sonnet系列相近，過去Kimi K2那種「極致便宜的前沿模型殺手」形象，到了K3反而轉向了旗艦級定價。

Artificial Analysis也提供了更貼近實際使用情境的成本估算：假設快取命中、新輸入、輸出的比例為7:2:1，K3的混合有效單價約為每百萬token 2.31美元，換算下來完成一項Intelligence Index任務約需0.94美元，相較之下GPT-5.6 Sol Max約需1.04美元、Fable 5（含fallback）則需2.75美元，顯示K3在「性價比」而非「絕對便宜」上具有優勢。

消費端訂閱方面，Kimi App提供免費的Adagio方案，涵蓋基本聊天、檔案上傳與網路搜尋，付費方案則從每月19美元一路到199美元，鎖定重度Agent與程式開發需求的用戶。值得留意的是，K3預設一律採用「思考」模式作答，且這些推理過程產生的token同樣以output費率計費，沒有更便宜的非思考模式可選，這代表實際使用成本可能會比單看牌價更高。

第五部分：Kimi K3和Deepseek V4有什麼區別？

K3像是Moonshot「不計代價衝頂尖表現」的旗艦之作，架構龐大、跑分逼近Fable 5，但定價也跟著水漲船高；DeepSeek V4則延續了DeepSeek一貫「低成本、當天全開源」的策略，性能雖然距離頂尖還有一段差距，但價格優勢非常明顯，也是目前企業想壓低推論成本時更常被拿來討論的選項。

第六部分：結語

Kimi K3的出現，再次證明了「用更少資源做出接近頂尖水準模型」這件事，中國團隊正在快速逼近，而非只是紙上談兵。它在程式開發、Agent任務與長上下文處理上的表現確實亮眼，定價策略也從過去「極致便宜」轉向更貼近旗艦模型的水準，顯示Moonshot對自身技術實力的信心。但另一方面，這次發布也把中美AI競爭中最敏感的智慧財產爭議，從業界私下討論推上了政府層級的公開表態。對關注AI產業的人來說，K3與Claude Fable 5、GPT-5.6 Sol之間的性能差距，或許只是這場競賽中最容易量化的一小部分；真正值得持續觀察的，是後續美國政府對Moonshot AI的制裁動向，以及這是否會成為左右全球開源模型發展路線的關鍵轉折點。