Kimi K3 昨天发布了：2.8 万亿参数，1M 上下文，每百万输入 token 仅需 3 美元。
大多数人会截个基准测试图，然后永远不会把实际任务交给它。
本文重点：K3 在哪些地方真的能超越你的技术栈、发布周没人提的坑点，以及精确的路由配置。
做对了，你那些最繁重的长上下文任务，成本能降到前沿模型的 1/3。
下面是完整的方案 👇
在深入之前，我每天会在 Telegram 频道里分享 AI 和 vibe coding 的日常笔记：https://t.me/zodchixquant 🧠
用大白话讲，到底发生了什么
Moonshot AI 在 7 月 16 日发布了他们的新旗舰模型。快速事实，全部来自官方发布信息：
- 模型架构：混合专家模型，总参数约 2.8 万亿，每个 token 只激活 896 个专家中的 16 个。号称是全球首个开放 3T 级参数模型
- 上下文窗口：1M tokens，而且不像某些竞品，整个窗口内定价统一，没有长提示词的溢价等级
- 输入：原生支持文本、图像和视频。思考模式始终开启
- 使用方式：Kimi 应用（包含免费版）、kimi.com、Kimi Code，以及 API（地址 api.moonshot.ai/v1，模型 ID 为 kimi-k3）。兼容 OpenAI，所以现有 SDK 可直接使用
- 开放权重：承诺在 7 月 27 日前开放，同步发布技术报告和 vLLM 实现
这次发布了两个版本：K3 Max 用于对话和 Agent 工作，K3 Swarm Max 用于大规模并行处理。
真正重要的价格计算
- 输入 3 美元 / 输出 15 美元 每百万 tokens。这正好是 Sonnet 5 在 8 月 31 日优惠期结束后的价格，但这个模型却处于更高的重量级
- 缓存命中时每百万 tokens 仅 0.30 美元。重复的上下文成本降低 10 倍。对于需要反复读取同一代码库的 Agent 循环来说，这是整个价目表中最大的隐藏杠杆
- 1M 上下文内价格统一。800K token 的提示词与 8K token 的收费标准相同。相比之下，其他模型的长上下文服务通常有溢价等级
- 发布奖励：8 月 11 日前 API 充值可获 10-30% 的额外信用额度。如果你打算认真测试，请在窗口期内充值
诚实对比：K3 的输入成本比 Fable 5（$10/$50）低 3.3 倍，且与 Sonnet 5 的未来价格持平，同时拥有 1M 上下文窗口和原生视觉能力。
K3 适合你的技术栈的哪些部分（以及不适合哪些）
以下细节能建立信任，而非炒作：Moonshot 自己的技术博客承认，K3 整体上仍落后于 Claude Fable 5 和 GPT-5.6 Sol。 他们声称在自家测试套件中达到了前沿水平（Terminal Bench 2.1：88.3，SWE Marathon：42.0，均为自报数据），但他们并没有假装自己是新王者。
这种诚实态度给了你一个清晰的路由规则：
1## 模型路由（CLAUDE.md / 团队文档）23- 长上下文阅读、仓库级分析、文档综合 → Kimi K34 （1M 窗口统一费率，缓存命中时 $0.30）5- 前端和 UI 密集型编码 → Kimi K3，然后人工验证视觉效果6- 带有重复上下文的 Agent 循环 → Kimi K3（利用缓存命中）7- 最复杂的多步推理、安全敏感工作 → 继续使用8 Fable 5 / Opus 4.89- 快速编辑和日常任务 → Sonnet 5（8 月 31 日前更便宜）
规律：K3 是吞吐量机器，不是峰值智能机器。根据 token 负载来路由，而不是根据名气。
发布周的坑点
热帖里跳过的四点，全部来自官方文档和 Moonshot 自己的博客：
- 启动时 reasoning_effort 只有 max 模式。 低和高模式将在“后续更新中”推出。在此之前，每个请求都会以 15 美元/百万 tokens 的价格烧掉完整思考输出，所以短任务反而成本高。这是另一个理由把快速编辑留在别处
- 所有基准测试目前都是自报的。 独立评测今天才开始出现。在看到第三方确认之前，请把每个图表都当作一个声明
- 保留思考历史模式。 K3 在训练时假设其推理历史会在多轮对话中保留在上下文中。如果你在流程中去掉它，质量可能会下降。在生产使用前检查你的框架处理方式
- 权重尚未上传到 Hugging Face。 7 月 27 日是承诺，不是下载链接。而且现实地说，自托管一个 2.8T 的模型对没有加速器机架的人来说并不是成本杠杆
启动配置（直接复制）
指向任何兼容 OpenAI 的客户端：
1from openai import OpenAI23client = OpenAI(4 api_key=MOONSHOT_API_KEY,5 base_url="https://api.moonshot.ai/v1",6)78response = client.chat.completions.create(9 model="kimi-k3",10 messages=[11 {"role": "system", "content": STABLE_PROJECT_CONTEXT},12 {"role": "user", "content": task},13 ],14)
将账单降低 10 倍的缓存命中技巧：在多个请求中保持相同的稳定上下文前缀（如代码库转储、项目文档）。相同的前缀会命中缓存，按 0.30 美元/百万 tokens 计费，而不是 3 美元。
重新组织你的提示词，让稳定部分放在前面且保持不变，可变任务放在最后。
常见错误
- 用聊天问题来测试它。 一个 2.8T 的 MoE 模型配合 1M 窗口，在“写一个函数”这种任务上展示不出实力。给它一个完整的代码仓库或研究语料库，那才是它擅长的
- 忽略缓存定价。 简单的提示词每次支付 3 美元/百万。结构化的前缀在重复时只需 0.30 美元。同一个模型，在 Agent 工作负载上成本相差 10 倍
- 把基准测试当作事实引用。 它们是自报的，而且供应商自己也说它落后于 Fable 5。从发布帖子里重复“打败 Opus”是让你被社区打脸的方式
- 一夜之间迁移所有流量。 先路由一个工作负载类型，长上下文阅读是明显选择，比较一周质量，然后再扩展
- 忘记思考模式的开销。 仅 max 模式意味着 K3 会为琐碎任务过度思考，并以全输出价格计费。这是重型机器，让它干重活
15 分钟计划
- 获取 API 密钥并在奖励窗口期内充值（3 分钟）
- 将上述兼容 OpenAI 的配置接入你的技术栈（4 分钟）
- 重构一个重型提示词以利用缓存命中：稳定前缀 + 任务最后（4 分钟）
- 在 K3 上运行你最重的长上下文任务，同时在当前模型上运行相同任务（3 分钟）
- 比较输出质量和成本，如果 K3 值得，则添加路由配置（1 分钟）
新旗舰，诚实的供应商，激进的价格。现在正是弄清楚它适合你技术栈哪些部分的窗口期，而其他人还在争论基准测试图表。
感谢阅读！
