---
title: "【Kimi K3】Coding及长程任务能力显著提升，定价同步升级 事件：7月16日晚间，月之暗面正式上线旗舰模型 Kimi K3。 总参数达2.8万亿， 为目"
topic_id: 22255484122824281
created_at: 2026-07-17T08:50:04.091+0800
source: zsxq
type: topic
cssclasses: zsxq-vault
---

# 【Kimi K3】Coding及长程任务能力显著提升，定价同步升级 事件：7月16日晚间，月之暗面正式上线旗舰模型 Kimi K3。 总参数达2.8万亿， 为目

- 序号：243
- 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/22255484122824281)
- 附件：图片 0，音频 0，文档 0
- 音频文件：_无音频_

## 图片

_无图片_

## 正文

【Kimi K3】Coding及长程任务能力显著提升，定价同步升级

事件：7月16日晚间，月之暗面正式上线旗舰模型 Kimi K3。 总参数达2.8万亿， 为目前国产模型最高，支持多模态理解，1.05M上下文，完整权重计划于7月27日前发布。

提升1【Coding紧追海外领先模型，长程任务表现突出】
K3在Terminal-Bench 2.1得分88.3，紧随GPT-5.6 Sol的88.8，领先Fable 5和Opus 4.8的84.6；DeepSWE得分67.5，低于GPT-5.6 Sol的73.0和Fable 5的70.0，略高于GPT-5.5的67.0。评价长周期工程的FrontierSWE上K3取得81.2，仅次于Fable 5的86.6，超过GPT-5.6 Sol的71.3。 仅从BenchMark看， K3的Coding能力已接近海外头部模型， 在长程任务上显著加强。

提升2【知识工作、工具调用能力优异，利于Agent工作】
K3在GDPval-AA v2取得1668 Elo，落后于Fable 5的1760和GPT-5.6 Sol的1748，超过Opus 4.8的1600和GLM-5.2的1514；AA-Briefcase取得1548，接近Fable 5的1583，超过GPT-5.6 Sol的1495；BrowseComp达到91.2%，超过GPT-5.6 Sol的90.4和Fable 5的88.0（官方公众号列出的得分和第三方得分存在小幅差异）。 K3在复杂知识工作和工具调用方面已达到前沿水平，为Kimi Work 在办公场景的表现奠定基础。

提升3【KDA架构降低长上下文缓存占用和计算开销】
围绕长上下文及超大规模MoE训推效率进行架构升级。K3采用Kimi Delta Attention混合线性注意力和注意力残差机制， 此前发布的技术报告显示，在48B/3B的Kimi Linear 实验模型采用3:1的KDA/MLA混合比例， 最高减少75%的KV Cache， 并在1M上下文下实现最高约6倍解码吞吐，具体到K3能做到多大程度待官方发布。模型在896个专家中激活16个，叠加训练方法和数据配方的优化，K3相比K2的整体扩展效率提升约2.5倍。

【使用体验】
- 前端能力突出，审美及设计全球一流，对于已知网页能够高度还原视觉效果；
- 结合Kimi Work后，相比K2.6一次检索直出结果的准确度、指令遵循效果均显著提升，搭配Kimi Work本身较完整的插件/Skill生态，处理办公任务能力加强。
- 思维链偏长，Kimi Work Max思考强度下任务反馈稍慢，可能导致实际token消耗增加。

【定价暂列国产旗舰模型最高】
API每百万tokens输入/输出定价为￥20/￥100 ($3/$15)，与GPT-5.6 Terra的$2.5/$15、Claude Sonnet 5的$3/$15接近，显著高于GLM-5.2的$1.4/$4.4以及Qwen3.7 Max的$2.5/$7.5。 截至7月16日， 属于目前定价最高的国产旗舰模型， 1M上下文能力面向订阅价格699元/月的Allegro会员开放。

## 总体总结

主题正文
1. K3在Terminal-Bench 2.1得分88.3，紧随GPT-5.6 Sol的88.8，领先Fable 5和Opus 4.8的84.6；
2. 评价长周期工程的FrontierSWE上K3取得81.2，仅次于Fable 5的86.6，超过GPT-5.6 Sol的71.3。
3. K3在GDPval-AA v2取得1668 Elo，落后于Fable 5的1760和GPT-5.6 Sol的1748，超过Opus 4.8的1600和GLM-5.2的1514；
4. BrowseComp达到91.2%，超过GPT-5.6 Sol的90.4和Fable 5的88.0（官方公众号列出的得分和第三方得分存在小幅差异）。
5. K3采用Kimi Delta Attention混合线性注意力和注意力残差机制， 此前发布的技术报告显示，在48B/3B的Kimi Linear 实验模型采用3:1的KDA/MLA混合比例， 最高减少75%的KV Cache， 并在1M上下文下实现最高约6倍解码吞吐，具体到K3能做到多大程度待官方发布。
6. - 结合Kimi Work后，相比K2.6一次检索直出结果的准确度、指令遵循效果均显著提升，搭配Kimi Work本身较完整的插件/Skill生态，处理办公任务能力加强。
7. API每百万tokens输入/输出定价为￥20/￥100 ($3/$15)，与GPT-5.6 Terra的$2.5/$15、Claude Sonnet 5的$3/$15接近，显著高于GLM-5.2的$1.4/$4.4以及Qwen3.7 Max的$2.5/$7.5。
8. 截至7月16日， 属于目前定价最高的国产旗舰模型， 1M上下文能力面向订阅价格699元/月的Allegro会员开放。