Kimi K3发布：全球首个开源3万亿级模型，长程Agent能力惊艳

Kimi K3发布，开源大模型再上一个台阶 🚀

Kimi最新推出的旗舰模型K3，一亮相就把关注度拉满。它最大的看点有两个：全球首个开源的3万亿级模型，以及在长程Agent任务上的强势表现。

如果只看参数，K3已经站在了当前开源模型的最前排；如果看实际能力，它更像是一个能真正“干活”的模型，而不只是会聊天。

核心亮点一览

K3这次公布的信息非常密集，但重点可以先抓住这几条：

• 总参数达到2.8万亿
• 采用896个专家、每次激活16个的MoE架构
• 原生支持视觉理解
• 支持100万Token上下文
• 引入KDA、Attention Residuals、Stable LatentMoE等结构

这意味着K3不只是“更大”，而是更擅长处理复杂、长链路、跨工具的任务。

为什么K3更受关注？

很多模型在短文本问答里表现不错，但一进入真实工作场景就容易掉链子。比如：

• 代码库太大，前后文接不上
• 终端操作多步执行时容易出错
• 浏览网页、查资料、整理结果时不稳定
• 任务周期一长，模型就开始“忘事”

K3的优势，正体现在这些地方。

它在多个长程Agent测试中，已经超过了部分闭源旗舰模型，说明它不只是“会答题”，而是更能持续执行任务。

编程能力：不是一次性写代码，而是能持续改代码

在编程相关评测里，K3的表现相当突出，尤其适合看重实战的软件开发场景。

关键成绩

• Program Bench：77.8分
• SWE Marathon：42.0分
• Terminal Bench 2.1：88.3分
• FrontierSWE：81.2分

这些成绩传递出的信号很明确：K3的强项不是单轮代码生成，而是围绕代码库、终端、测试环境进行持续工作。

也就是说，它更像一个能配合开发流程的Agent，而不是只会“写一段示例代码”的助手。

通用Agent任务：搜索、自动化、浏览器操作更有优势

K3在通用Agent评测中的表现同样很亮眼。

领先的方向

• 长程Agent任务
• 自动化任务
• 浏览器任务
• 工具调用和多步执行

例如在BrowseComp、Automation Bench、SpreadsheetBench 2中，K3都拿到了非常靠前的结果。

这类能力对实际使用很重要，因为很多人要的不是“答对一道题”，而是“把事情做完”。

和闭源旗舰相比，K3强在哪里？

从综合榜单看，K3目前还不是所有项目都全面第一，尤其在一些更广义的知识工作评测里，依然有差距。

但它的优势已经很清晰：

• 在长链路执行上更稳
• 在工具调用和自动化场景中更强
• 在代码库、终端、浏览器等环境里更实用

换句话说，K3更像一个偏“执行型”的模型。

成本优势，可能是K3最现实的卖点 💡

除了性能，K3还有一个非常实际的优势：性价比。

在Kimi Code Bench V2中，K3 max的得分和成本表现都很有竞争力。相比之下，一些闭源模型虽然分数更高，但单任务成本也明显更高。

这对开发者和企业来说很关键：

• 任务量大时，成本差异会被迅速放大
• 需要频繁调用Agent时，低成本更容易落地
• 在保持较强能力的同时，预算压力更小

对于很多实际项目来说，模型不是“越贵越好”，而是“够强、够稳、够省”才最重要。

适合哪些场景？

如果想判断K3是否适合自己的需求，可以重点看这些场景：

• 代码辅助开发
• 多步骤数据整理
• 网页搜索与信息归纳
• 终端自动化操作
• 长上下文文档分析
• 需要持续执行的Agent流程

如果是短问答、简单写作，很多模型都能胜任；但如果任务复杂、步骤多、需要长期跟进，K3会更有吸引力。

总结

Kimi K3这次发布，最大的意义不只是“参数很大”，而是把开源模型带进了更实用的Agent时代。

它在长程执行、编程、自动化、浏览器任务上展现出很强的竞争力，同时还有不错的成本优势。虽然在部分综合评测上还没全面超越最强闭源模型，但已经足够让人看到一个清晰趋势：开源大模型正在从会说，走向会做。

对于开发者、产品团队和AI应用创业者来说，K3值得重点关注。