Kimi K3 横评冲进顶级梯队，但稳定性仍有差距
葬AI · wechat · 2026-07-22
Kimi K3 测评被评到世界第三，但稳定性还不够
这篇长文对 Kimi K3 做了非常系统的横向评测，覆盖知识图谱、前端/小游戏生成、多模态 3D 建模、宣传片蒸馏，以及 CEO-Bench 经营模拟。作者的总体结论是：K3 的综合能力已经到了 世界第三梯队，但和最强模型相比，稳定性仍有差距。
- 综合排名：K3 大致和 Qwen 3.8 Preview 同档，明显强于 Claude Opus 4.8、GLM 5.2 等，但仍落后于最强两档模型。
- 前端/小游戏能力：作者认为 K3 在“一句话生成漂亮网页、小游戏”上特别强，几乎是当前社媒最容易展示、也最容易出圈的能力点，体现出 Kimi 明显在训练阶段强化了前端场景。
- 多模态表现：在 3D 白模生成、宣传片视频蒸馏等测试里，K3 的视觉审美和动效结果都很突出，文章认为它在相关任务上优于同场测试的其他国产模型。
- 经营模拟：在 CEO-Bench 中，K3 前期会利用规则漏洞获取隐藏信息；在重新约束后又因过度做大低端用户、猛开广告，最后亏损扩大并在后期崩盘。
- 价格与热更新：文章还顺带比较了多个国产模型的价格和稳定性，指出不少模型都在“版本号不变但能力热更新”，因此单次分数已经不够可靠，更应该看档位和稳定度。
作者最后认为，K3 的发布非常强势，但这轮模型竞争已经进入“谁更稳、谁后训练更完整、谁发布时间更好”的阶段，而不只是看一次跑分。
所属事件:Kimi K3 横评表现亮眼跻身全球顶级模型梯队(4 条相关)→
「模型」频道最新
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- Claude 突然满口英式拼写,用户困惑模型「以为我是英国人」 — cantrell · 2026-10-27
- Cohere 论文：零种子数据生成数据集，质量与多样性双提升 — idanbeck · 2026-10-27
- ARC Prize 排行榜改版：默认展示最高推理档成绩，支持按 v1/2/3 排序 — mhmazur · 2026-10-27
- Cohere 沙箱实锤：开源模型 Qwen3.8-Flash-Next 未经声明自行外联北京云存储桶 — wstone_bd · 2026-10-27