Kimi K3 免费使用与实测：1M 上下文、跑分与价格（2026）

Kimi K3 由月之暗面于 2026 年 7 月 16 日发布，总参数 2.8 万亿，支持 100 万 token 上下文和原生视觉输入，主要面向长周期编程、知识工作与推理任务。查看 Kimi K3 官方技术博客。

---

如何在 Mira 免费使用 Kimi K3？

Mira 现已支持 Kimi K3。注册账号可获得赠送积分，每日登录也会获得积分，使用这些积分即可体验 K3，无需 API key 或本地配置。具体积分以账号页面为准。注册并免费使用 Kimi K3。

---

Kimi K3 是什么？

参数、架构、上下文和权重计划来自 Kimi K3 官方技术博客；API 的思考模式、视觉输入和模型 ID 来自 Kimi K3 API 文档。官方尚未公布激活参数总量。

“开放模型”也不等于今天就能免费下载运行。官方写的是完整权重将在 7 月 27 日前发布；在权重真正出现、许可证与部署细节可核对之前，本地部署仍不是可用入口。2.8T 的总规模也意味着，即使开放权重，实际部署成本不会低。官方部署建议使用 64 张或更多加速卡组成的超节点，这更接近机构级基础设施，而不是单机体验。

训练和部署方面，官方披露 K3 从 SFT 阶段开始使用量化感知训练，采用 MXFP4 权重和 MXFP8 激活；训练侧还加入 Quantile Balancing、Per-Head Muon、SiTU 和 Gated MLA，以处理 896 个专家带来的路由、负载均衡和稳定性问题。完整技术报告尚未发布。

---

官方跑分显示 K3 强在哪？

月之暗面公布的完整表格覆盖编程、Agent、知识工作、推理和视觉。下面只摘与 Agent 编程和 GLM-5.2 对比最相关的项目：

数据来自 Kimi K3 官方跑分表。这些分数不能简单读成“K3 在所有场景都更强”：官方脚注显示，不同模型和基准使用了 Kimi Code、Claude Code、Codex 等不同 Agent 框架，部分竞品成绩也引用自各自官方报告或第三方榜单。它们适合判断公开能力范围，不替代同一环境、同一任务的直接对比。

月之暗面也明确写道，K3 的整体表现仍落后于 Claude Fable 5 和 GPT-5.6 Sol。官方跑分能说明 K3 已进入前沿模型区间，但不能据此写成“全面超过闭源模型”。

---

官方案例展示了哪些能力？

月之暗面公布的案例主要集中在四类长任务：

• 编程与系统工程：在统一 GPU 沙箱中持续优化内核，并从零构建包含中间表示、优化 pass 和 PTX 代码生成的 MiniTriton 编译器。
• 视觉反馈与数字创作：在代码和实时截图之间迭代，完成 3D 游戏、模拟器、CAD、动画和视频剪辑任务。
• 芯片设计：在一次连续 48 小时的 Agent 运行中，使用开源 EDA 工具完成一颗 4 mm² 芯片的构建、优化与验证。
• 科研与知识工作：约两小时复现计算天体物理中的 I-Love-Q 关系，交叉核查 20 多篇论文、评估 300 多种状态方程，并生成 3,000 多行 Python 代码和交互式仪表盘。

官方还展示了覆盖 42 年 ASIC 历史的行业研究，以及对 391 个引力波事件的分析。这些案例能帮助理解 K3 的产品定位和任务上限，但都来自月之暗面官方，不等同于独立评测。

---

独立评测给出的补充信息

Artificial Analysis 在 2026 年 7 月的首轮评估中给 Kimi K3 的 Intelligence Index 打出 57 分，列在 189 个同类模型中的第 4 位。其页面记录的输出速度约为每秒 62 token，并显示 K3 完成整套指数评估时生成了约 1.3 亿输出 token。榜单名次会随新模型加入而变化。

这组结果和官方跑分放在一起看，K3 的能力进入了前沿模型区间，代价是输出偏长、速度不算快。实际成本不能只看每百万 token 的标价，还要结合任务长度、Agent 轮次和缓存命中率。

Artificial Analysis 在权重尚未公开时把 K3 标记为 proprietary，这与月之暗面“计划开放完整权重”的说法并不冲突：一个描述当前可下载状态，一个描述发布计划。截至 2026 年 7 月 17 日，完整权重尚未发布。

---

Kimi K3 API 价格

Kimi 官方按缓存命中输入、缓存未命中输入和输出分别计费。中文官方文章和国际技术博客展示了不同币种的价格：

人民币价格来自 Kimi 官方中文发布文章，美元价格来自 Kimi K3 国际技术博客，上述价格更新于 2026 年 7 月 17 日。不同地区和账号应以对应开放平台结算页为准。官方称编码工作负载的缓存命中率超过 90%，但这是其自有服务统计，不保证每个应用都能达到。

K3 不是“低价模型”的延续。Artificial Analysis 也把它的输入和输出价格评为高于同档平均水平。免费体验适合先确认能力，真正接入 API 时要同时估算缓存命中率、思考输出长度和任务轮次。

---

Kimi K3 和 GLM-5.2 怎么选？

K3 的官方表格在 FrontierSWE、SWE-Marathon、Toolathlon 和 Automation Bench 上领先 GLM-5.2。K3 价格来自官方；GLM-5.2 的 $1.40 / $4.40 来自 7 月 17 日的第三方价格汇总，并非 GLM 官方报价。GLM-5.2 的 MIT 权重已经可以下载。价格会变化，正式使用前仍应核对厂商当天的价目表。只看参数或单项跑分很难做决定，真实任务里的完成质量、返工次数和 token 总量更有参考价值。

关于 GLM-5.2 的免费入口、公开跑分和 Mira 第一手科研任务，可以查看 GLM-5.2 免费体验与实测。

---

实测：Kimi K3 跑完一次 Deep Research

我们在 Mira 中选择 Kimi K3，使用 DP-YAMO-Agent 和 Deep Research v3.2，研究“FEP（自由能微扰）中有哪些拓扑方案”。任务包括检索文献、整理证据、生成报告和检查引用。

K3 最终交付了一份 31.8 KB 的报告和完整归档。报告覆盖 single、dual、hybrid、separated 和 ATM 等拓扑思路，并进一步讨论 atom mapping、dummy atoms、soft-core、电荷变化、环变化与软件实现。研究过程中整理了 16 条编号引用、44 张证据卡、3 条矛盾记录和 206 个候选结论，最终报告通过了完整性与引用检查。

随后，我们在相同的 Agent、Skill 和研究主题下使用 GPT-5.4，对比两次任务的报告质量、耗时和 token 使用情况。

表中耗时为各次模型执行时间之和，不等于用户从发起任务到页面展示结果的总等待时间。输入 token 包含缓存命中部分，不同模型供应商的统计口径也可能存在差异，因此这些数据只反映本次任务的资源使用情况。

两次实测有哪些差异？

• K3 的报告更完整。 它不只列出拓扑分类，还把实现方式、dummy atoms、soft-core、电荷与环变化等条件写进选择建议，16 条引用也通过了完整性检查。
• GPT-5.4 更快、总输入更少。 它少用约 23 分 55 秒，输入 token 约为 K3 的三分之一；但最终报告中的结论与引用映射存在不一致，没有通过最终质量检查。
• K3 需要一次继续运行。 第二段长任务达到 120 轮上限，用户输入一次“继续”后，K3 完成修正并打包交付。

在这次任务中，K3 的报告更完整，GPT-5.4 用时更短、token 更少。 单次任务不能代表所有场景，模型表现仍会受到研究问题、提示词和工具配置影响。

Kimi K3 当前有哪些限制？

月之暗面在官方文章中列出了三项限制：

1. 对历史思考内容敏感。 Agent 框架需要完整回传历史思考内容；缺失历史，或在进行中的会话里从其他模型切换到 K3，可能导致生成质量不稳定。
2. 有时过于主动。 K3 针对长程、高难任务做了重点训练，遇到小问题或模糊意图时，可能替用户做出非预期决定。对边界要求严格的任务，需要在 system prompt 或 AGENTS.md 中写清约束。
3. 用户体验仍有差距。 官方承认 K3 与 Claude Fable 5、GPT-5.6 Sol 相比仍有差距。

API 还存在几项实际限制：当前只有 max 思考强度，视觉输入不能直接使用公网图片 URL，官方 Web Search 功能仍在更新，暂不建议依赖该功能。

---

Kimi K3 适合谁，不适合谁？

适合：

• 要处理大代码库、长文档或多轮大型任务，并能利用 1M 上下文的人；
• 需要图片、视频或实时截图参与工作流的前端、游戏、CAD 和科研任务；
• 任务难度高，愿意用更高 token 成本换取长周期 Agent 能力的团队；
• 想先用 Mira 免费积分验证真实科研任务，再决定是否接 API 的用户。

暂不适合或需要谨慎：

• 只做短问答、简单改写或高并发轻任务，K3 的 max 思考和偏长输出可能不划算；
• 现在就要求本地部署：截至 7 月 17 日完整权重尚未发布，官方计划于 7 月 27 日前发布；
• 对延迟敏感，Artificial Analysis 测得的每秒 62 token 不属于同档最快水平；
• 对稳定性要求很高，K3 的独立长期评测和故障数据仍不充分。

---

常见问题

Kimi K3 是免费的吗？

Mira 已支持 Kimi K3。注册账号可获得赠送积分，每日登录也会获得积分，可直接用于体验 K3。具体积分以账号页面为准。

免费使用 Kimi K3 需要 API key 吗？

在 Mira 里不需要。直接调用 Kimi 官方 API 才需要 MOONSHOT_API_KEY。

Kimi K3 的上下文有多大？

官方 API 文档给出的上下文窗口是 1,048,576 token，通常写作 1M。具体产品套餐是否开放完整 1M，以对应页面为准。

Kimi K3 已经开源了吗？

月之暗面把 K3 定位为开放模型，并承诺在 2026 年 7 月 27 日前发布完整权重。截至 2026 年 7 月 17 日，权重尚未开放，因此现在还不能按“已开源可下载”理解。

Kimi K3 API 多少钱？

每百万 token 的官方价格是：缓存命中输入 ¥2 / $0.30、未命中输入 ¥20 / $3、输出 ¥100 / $15。不同地区以对应开放平台结算页为准，上述价格更新于 2026 年 7 月 17 日。

Kimi K3 比 GLM-5.2 强吗？

在月之暗面公布的多项长周期编程和 Agent 基准上，K3 分数更高；GLM-5.2 的 API 成本更低，权重也已经开放。最终选择要看真实任务的完成质量、耗时和总 token，而不是只看一张跑分表。

现在可以本地运行 Kimi K3 吗？

完整权重尚未发布。即使后续开放，官方建议的 64 张以上加速卡超节点也说明它不是面向普通单机的模型。

在哪里可以直接测试 Kimi K3 的科研 Agent 能力？

可以在 Mira 用免费账号选择 Kimi K3，让它在项目中调用科研 Skills、工具和计算环境，并保留任务过程与输出文件。

---

主要参考资料

• Kimi K3 官方技术博客
• Kimi K3 官方中文发布文章
• Kimi K3 API 快速开始
• Artificial Analysis：Kimi K3
• GLM-5.2 官方模型卡与权重
• AIReiter：Kimi K3 API 价格对比

想先验证 K3 是否适合自己的科研任务，可以在 Mira 用免费账号直接运行。开始使用 Kimi K3 →