Kimi K3编程实测接近前沿
PawelHuryn · x · 2026-07-17
作者用同一套 8 任务编码测试，把 Kimi K3 和 Opus 4.8、GPT-5.6、Grok 4.5 放在一起比较。
测试结果
- K3 在完成的 7 个任务里，有 6 个表现打平或超过另外三款模型。
- 它抓出了 21 个植入 bug 中的 14 个，高于 Opus 的 12 个，其他模型都没有超过 7 个。
- 但它也报了 2 个误报，是唯一出现误报的模型。
关键问题
- 上线当晚，有 2 个任务直接返回 0 tokens，不是答错，而是没有输出。
- 13 小时后重跑，其中 1 个任务变成 14/14 满分，说明同模型在不同时间可用性差异很大。
- 截至发帖时，OpenRouter 仍在限流，Moonshot 自家 API 也提示 engine overloaded。
结论
- 这是一个 2.8 万亿参数、号称史上最大的开源权重模型。
- 但作者的判断很直接：权重是开放的，容量不是。 现在不仅普通用户跑不动，Moonshot 自己也还没有稳定承载。
所属事件:Kimi K3编码实测接近前沿但体验欠佳(3 条相关)→
「编程与Agent」频道最新
- Matt Pocock 分享 pre-commit 钩子：用 token 上限防 agent 写超长文件 — mattpocockuk · 2026-10-18
- 写过很多书的 AI 教育者:初稿自己写,让 LLM 当编辑 — lmoroney · 2026-10-18
- 开源语音决策模型 TYGER 发布：80ms 决策让语音 Agent 实现全双工 — solyarisoftware · 2026-10-18
- 开发者实测：Opus 5.5 用 medium 档比 max 更靠谱 — eyishazyer · 2026-10-18
- 被 Claude Code 编造时间戳逼到极限，他用 PreToolUse 钩子让错误不可能发生 — Grimmoner · 2026-10-18
- 重度自主编码怎么买？Reddit 热议 Cursor Super + Claude Pro + OpenCode 组合 — DarioAmodeiWasTaken · 2026-10-18