Kimi K3：大模型也得算成本
Moonshot AI 推出 Kimi K3，定位是目前旗下能力最強的模型，總參數達 2.8 兆，支援文字、圖片理解、程式生成與長程知識工作。目前可從 Kimi 網站及 API 使用，並預告在 2026 年 7 月 27 日前釋出開放權重。官方測試顯示它多項成績領先 Claude Opus 4.8 max、GPT-5.5 high；第三方評測則指出，它在長時間知識任務與前端程式生成特別突出。不過模型目前只有「max」推理強度，連產生一張鵜鶘騎單車的 SVG，都可能消耗大量 reasoning tokens。
現實應用
K3 比較適合需要連續研究、整理多份資料、產生複雜前端頁面，或結合圖片判讀的工作。研究團隊、軟體公司、設計工程師與建立 AI agent 的團隊都用得上。它能輸出有效 SVG，也能準確描述生成後的圖片，代表文字、視覺與程式能力已有不錯的銜接。
但「鵜鶘 benchmark」頂多是模型版的 Hello World：可以確認 API 能跑、SVG 是否有效，以及粗略觀察空間概念和推理成本，不能拿來判斷工具呼叫、長對話穩定性或 agent 實際執行任務的可靠度。
期望評估
我認為低標期望是把 K3 當成高階程式與研究助手：即使不一定全面勝過最新封閉模型，至少能提供強勁的前端生成、視覺理解與長任務處理能力。
高標方面，我猜開放權重後若社群能有效量化、部署並調整推理強度，K3 有機會成為企業自架高階模型的新選項。不過 2.8 兆參數的規模很難在一般工作站完整運行，真正普及仍要看 MoE 架構細節、硬體需求與量化效果。
商業策略分析
K3 的 API 定價為每百萬 input tokens 3 美元、output tokens 15 美元，已接近 Claude Sonnet 等級，也是中國 AI 實驗室中相對昂貴的產品。這表示 Moonshot 不再只拚低價，而是直接賣能力與效率。
我認為 Anthropic、OpenAI、DeepSeek，以及提供模型代理與企業部署的平台都會受到影響。值得跟進，但不能只看榜單：案例中的簡單 SVG 任務花了 0.25 美元，說明 reasoning tokens 可能快速墊高成本。企業導入前應用自己的 agent、程式與長文件流程實測。
實作細節
目前可直接使用 Kimi 網站或官方 API，也能透過 OpenRouter 搭配 llm-openrouter 呼叫。已知限制是只有單一 max thinking effort；案例中 95 個 input tokens 最終產生 16,658 個 output tokens，其中 13,241 個是 reasoning tokens。此外，極短提示也會計入約 80 多個 tokens，可能包含隱藏 system prompt。開放權重尚未正式發布，因此本機安裝方式與硬體需求仍待官方公布。