KimiK3Coding及长程任务能力显著提升定价同

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 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 (15)，与GPT-5.6 Terra的 15、Claude Sonnet 5的15接近，显著高于GLM-5.2的4.4以及Qwen3.7 Max的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。