Kimi K3 评测：和 GPT、Claude 同题比一比

发布于 2026-11-09 · 樱桃茶编辑部

先说结论：拿 Kimi K3 处理中文办公材料，答案准、话不多，在我们出的那道会议纪要题上，它和 Claude Sonnet 5.5 都看出了排期没有余量。代价是贵，在樱桃茶上它的输出单价是 25 个对话模型里最高的，日常短问、改个句子用 GPT-6 Luna 就够了。想先弄清 K3 和 K3.1 Pro 区别的从下一节看，只关心好不好用的，直接跳到同题对比。

Kimi K3 和 K3.1 Pro 是什么关系？

两个都是月之暗面今年的新模型，K3.1 Pro 是在 K3 基础上加练出来的，不是另起炉灶。

K3 在 2026 年 7 月发布。月之暗面的技术博客写的是：2.8 万亿参数，原生支持看图，上下文 100 万 token，官方称它是全球第一个开源的 3T 级模型。博客当时承诺 7 月 27 日前放出完整权重，现在 Kimi API 开放平台的 K3 介绍页已经写明「完整模型权重已发布」。

K3.1 Pro 是 10 月下旬发布的，官方博客页面的日期标注是 2026-10-24。官方的说法是：K3.1 Pro 是 K3 的后训练版本，后训练用的算力大了很多，主要花在大规模强化学习上，同样支持 100 万 token 上下文。一起发布的还有 K3.1 Pro Highspeed，官方称速度约为标准版的 2 到 3 倍。博客承诺 11 月 4 日前开放权重；我们 11 月 7 日去 Hugging Face 看，moonshotai/Kimi-K3.1-Pro 仓库已经公开，建于 11 月 2 日，里面有权重文件。

现在开放平台把 K3 称作「上一代旗舰」。搜「kimi k3.1」的读者要注意一点：樱桃茶目前上架的是 Kimi K3 和 Kimi K2.5，没有单独列出 K3.1 Pro，本文按站内的 K3 来测。有一点要说明：站内 K3 的接口返回的型号标识是 kimi-k3-1，我们没能向上游核实它是不是就是 K3.1，所以下文的结论只代表站上这个型号。

官方说 K3 强在哪？

K3 的技术博客把重点放在三件事上：长时间的编程任务、端到端的知识工作（做研究报告、做图表和幻灯片）、推理。博客里的案例大多是写 GPU 内核、做编译器、做芯片设计这类工程活，离普通办公比较远。

官方原文里有两处我们觉得要看。一是博客自己承认 K3 的整体表现仍落后于 Claude Fable 5 和 GPT 5.6 Sol 这两款闭源模型，只是在它们的评测里胜过其余参测模型。二是 K3 发布时默认用最高档思考强度（max），开放平台的文档也写明 K3 始终开启思考，强度可以在 low、high、max 三档之间调，关不掉。

常被引用的 Terminal-Bench 4.0 得分 65.7% 是 K3.1 Pro 的成绩，别和 K3 看混。K3.1 Pro 博客给的对照是 GPT-6 Astra 58.2%、Claude Opus 5.5 66.4%。这是考编程智能体在终端里干活的测试，和写周报、读合同关系不大，看看就好。

K3.1 Pro 博客里还有一组数字反倒更实用。月之暗面有一套内部的事实准确性压力测试（Kimi Hallu Bench Hard，题目取自实际工作任务，专挑容易出错的），按单条事实陈述算，K3 的幻觉率是 23.4%，K3.1 Pro 降到 8.3%。官方注明这是压力测试，不代表日常使用时的错误率。但它至少说明，用 K3 写带数据、带事实的内容，出处还得自己核一遍。

同一道办公题，K3、Luna、Sonnet 5.5 怎么答？

先说清楚怎么测的，免得把一次小测试当成定论。

在樱桃茶网页里对话时，站方会带上自己的系统提示，还会自动联网，答案和这里不会一模一样。完整提示词和三家原始输出都留了记录。

题目原文

下面是周一（11 月 2 日）市场部例会的速记，请据此完成三件事。

速记：

  • 小王：双 11 预热海报的需求上周已经给到设计，设计说周五（11 月 6 日）出初稿。文案还没定，文案归小李。
  • 小李：文案我周四中午前给，不过得先确认今年主推 A 款还是 B 款。去年双 11 A 款卖了 1,200 件，B 款 800 件；今年 A 款库存只剩 300 件，B 款还有 2,000 件。
  • 主管：主推按库存走，别推到断货。投放预算一共 5 万，信息流占 60%，剩下的一半给小红书达人，另一半留作机动。小红书达人报价每位 3,000 元。
  • 小张：上次活动的数据复盘还欠着，我下周一前补上。
  • 主管：海报初稿出来我先看，看完再给运营。运营排期至少要两个工作日，活动 11 月 11 日零点开始。

任务：

  1. 列出所有待办：事项、负责人、截止时间（没说清的写“未明确”）。
  2. 小红书达人最多能请几位？如果设计周五准时出初稿、主管当天看完，运营排期来得及吗？写出推理过程。
  3. 用不超过 120 字写一条发给主管的微信，说明主推款建议和风险，不要客套话。

这道题埋了三个点：预算要算两层百分比；11 月 6 日是周五，两个工作日落在 9 日和 10 日，11 日零点上线，来得及但一天余量都没有；「先确认主推款」这件事会上没人认领，偏偏文案卡在它后面。我们手算的答案是：最多 3 位达人，剩 1,000 元；排期来得及但零缓冲；主推 B 款。

三家答得怎么样？

下表按我们关心的几个点逐项对照，单元格写的是它们的实际表现。

对照点 Kimi K3 GPT-6 Luna Claude Sonnet 5.5
达人人数 3 位，余 1,000 元 3 位，余 1,000 元 3 位，余 1,000 元
排期判断 来得及，明确说「零缓冲」 来得及，只加了一句「前提是周五及时交接、排期不延误」 按两种起算方式分别推，其中一种是「名义上赶得上，实际上零缓冲」
主推款没人认领 列为待办，负责人写「未明确（需主管/相关人拍板）」 列为待办，负责人「未明确」 负责人写主管，并标注最迟 11/5 中午前要定
微信里提没提排期风险 提了 没提，只谈库存 提了
输出长度 584 token（含思考 141） 1099 token（含思考 635） 写满 1200 token 上限

K3 对排期的结论是这样写的：

结论：来得及，但零缓冲。前提是主管周五当天审完且初稿一次通过；任何修改或延误一天就会压缩到上线当天。

它给主管的微信：

建议今年双11主推B款：A款库存仅300件，去年卖了1200件，主推必然断货；B款库存2000件充足。风险：海报11/6出初稿，运营需2个工作日，距11/11上线零缓冲，初稿须一次通过，请您周五当天审完。

Luna 的微信只说了库存：

建议主推 B 款：A 款库存仅 300 件，去年卖出 1,200 件，断货风险高；B 款库存 2,000 件，去年卖出 800 件，库存更充足。但今年销量有不确定性，仍需关注 B 款实际消化。

Sonnet 5.5 多想了一层，三家里只有它提到这个：

另外，这是“预热”海报，11/10 才上线意味着预热期基本为零，这一点比排期本身更值得担心。

编辑部怎么看

算术三家都没错，差别在「找坑」。K3 用最少的字把零缓冲讲明白了，微信也能直接转发。Sonnet 5.5 想得最深，连预热期被吃掉都看出来了，代价是啰嗦，一直写到 1200 token 的上限才停，中间还有一句「同理」接得莫名其妙。Luna 这次在 low 思考档下最弱，结论没错，风险却没写进微信，换成实际工作就是漏报。

我们的取舍是：读材料、找问题、写一条短消息这类活，想要短而准就用 K3，想让 AI 替你多想一层就用 Sonnet 5.5。Luna 也不是不能用，它便宜得多，拿到答案后可以再追问一句「这里面还有什么风险」，不过这次我们没测追问的效果。一道题说明不了全部，你自己的材料多问几次更准。

Kimi K3 价格：在樱桃茶用一次要多少积分？

先看站内单价（写作时 2026 年 11 月，以商店页为准）。下表的单价单位是站方写的「积分/千字」，实际按 token 计；1 元约等于 100 积分（基础档）。

模型 输入 / 输出单价 含在无限卡里 站内上下文 站内能看图
Kimi K3 5.6 / 28 否 256k 否
Kimi K2.5 1.12 / 5.88 否 256k 能
GPT-6 Luna 0.4 / 2 是 1050k 能
Claude Sonnet 5.5 1.6 / 8 否 200k 能

拿这次测试实际用掉的 token 套站内单价，大概是这样（估算）：

注意两件事。这次接口返回的用量里，思考过程算在输出 token 里，思考越久越贵。网页对话还会带上站方提示词和前面的聊天记录，实际扣的会比上面多。

再估一个长回答。月之暗面文档的说法是中文 1 token 大约对应 1.5 到 2 个汉字，一篇 3000 字的回答约 1500 到 2000 个输出 token。按 2000 算，再加几百 token 的提问，K3 大约 60 积分，K2.5 约 12 积分，Luna 约 4 积分。这个数没算思考过程，思考也按输出计，实际只会更多。

单次看都不贵，问题在频率。K3 的输出单价是 Luna 的 14 倍，一天问几十次，差额就攒起来了。我们的建议是把 K3 留给真正需要它的活：几万字的材料要归纳、一个问题要推好几步。改句子、查个概念、翻一段话，用 Luna 就行。K3 在樱桃茶上不在无限卡里，全程按积分扣，单价和上下文都写在 Kimi K3 的模型页。

作为参照，月之暗面官方 API 的 K3 价格是每百万 token 输入 3 美元、缓存命中 0.30 美元、输出 15 美元（kimi.com 定价页，更新于 2026-10-27）。

K3 在樱桃茶上不太适合做什么？

看图。K3 模型本身原生支持视觉，但樱桃茶目前只给它接了文字，截图、照片、扫描件它读不了。要看图可以换 Kimi K2.5，不过月之暗面开放平台公告，K2 系列 10 月 31 日起不再对新注册用户开放，计划 12 月底全部下线，站上 K2.5 会不会跟着调整，要看樱桃茶后续的上下架通知。更稳的选择是 GPT-6 Luna，能看图，还在无限卡里。

超长材料。官方 K3 支持 100 万 token，樱桃茶上标的是 256k。一整本书稿塞不进去时，Luna 的站内上下文是 1050k。

闲聊和快问快答。K3 是思考型模型，单价又是站上最高的一档，问「明天周几」这种事交给它，等得久，钱也多花，换 Luna 更合适。

在哪能用 Kimi K3？

常见问题

Kimi K3 免费吗？

kimi.com 有免费档，但官方没写免费档能用多少 K3；API 按量收费，新用户认证后有 15 元代金券。樱桃茶上 K3 按积分扣，新用户注册送的 50 积分，按本文这道题的用量估算，够问两次左右。

樱桃茶上有 Kimi K3.1 吗？

写作时没有。站上的 Kimi 只有 K3 和 K2.5。

Kimi K3 和 DeepSeek 哪个好？

看活和预算。站内 DeepSeek V4 Pro 的输出单价是 6.72 积分/千字，约为 K3 的四分之一。几个国产模型怎么挑，见国产大模型对比：DeepSeek、GLM、Kimi、MiMo。

K3 的思考能关掉吗？

在月之暗面官方 API 上关不掉，文档写明 K3 始终开启思考，最低只能调到 low 档。樱桃茶接的也是这个型号，在对话里同样只能调低思考强度，不能完全关掉。

同一个问题换个模型再问一次，差别比评测更直观。K3、Luna、Sonnet 5.5 在樱桃茶里都能直接切换。

参考来源

  1. 月之暗面，《Kimi K3: Open Frontier Intelligence》技术博客，2026。https://www.kimi.com/blog/kimi-k3
  2. 月之暗面，Kimi K3.1 Pro 技术博客，2026-10-24。https://www.kimi.com/blog/kimi-k3-1-pro
  3. kimi.com，《Kimi K3 定价：套餐、会员与 API 费用》，更新于 2026-10-27。https://www.kimi.com/zh-cn/resources/kimi-k3-pricing
  4. Kimi API 开放平台，Kimi K3 模型介绍，2026。https://platform.kimi.com/docs/guide/kimi-k3-quickstart
  5. Kimi API 开放平台，模型推理价格说明（含 K2 系列下线公告），2026。https://platform.moonshot.cn/docs/pricing/chat
  6. Hugging Face，moonshotai/Kimi-K3.1-Pro 模型仓库，2026-11-07 查看。https://huggingface.co/moonshotai/Kimi-K3.1-Pro

关于本文

本文由樱桃茶编辑部撰写，AI 辅助检索和初稿，编辑逐条核对了来源与数据；同题测试由编辑部于 2026-11-07 通过 API 实际调用完成，提示词和三家原始输出均有留档。

相关阅读

去模型广场看全部模型 · AI 课程

Operated by UK Company CHERRYCHAT LTD · Company Number 16096119 · 客服微信 JsnonoChat · 内容由 AI 生成，请仔细甄别

樱桃茶·智域GPT

网络有点慢，正在努力加载…