Kimi K3 冲上了榜首，却还没做成产品

7 月 16 日，Moonshot 放出 Kimi K3：2.8 万亿参数，号称史上最大的开源权重模型，上线当天冲上前端代码竞技场第一，反超 Claude Fable 5。第三方的 Artificial Analysis 智能指数给它 57 分，只落后头部的 Fable 5（60）、GPT-5.6 Sol（59）两三分。

放两年前，开源在「聪明」上追平闭源旗舰是不敢想的。这次它做到了，值得高兴。而且不是堆参数充数：它靠一套叫 Kimi Delta 的混合线性注意力，配上注意力残差，把 100 万字长上下文的解码做快了好几倍，2.8 万亿参数靠 896 选 16 的稀疏专家扛着、比上代省 2.5 倍算力。架构上是有真东西的。

可开发者真上手，画风就变了：完成同一个任务，有人实测 K3 耗时接近 Claude 的 10 倍；API 输出价比上代涨了 3.5 倍还多；发布首日算力扛不住，有报道超过 60% 的用户根本挤不进去，官方一度暂停新订阅。一个刚登顶的模型，怎么一用就处处别扭？

一、榜单上很风光，一上手就露馅

先看它的两张脸。

看出来了吗？左边每一条都是「能被测出来、能上头条」的，右边每一条都是「你天天用才会碰到」的。K3 几乎赢下了所有左边，又几乎输掉了所有右边。

这不是几个孤立的毛病。贵、慢、不稳、偏科、体验粗糙，它们是同一件事的五个侧面：K3 是为「登顶跑分」造的，不是为「天天被人用」造的。跑分测的是「能不能做到一次」，产品拼的是「能不能被你天天用得住」，这是两种东西。

二、为什么它顾不上「好用」

这就得往下问一层：凭什么开源能把「聪明」追平，「好用」却差这么远？

第一层，KPI 不一样。开源这边争的是「参数最大、开源最强、登顶榜单」，闭源那边磨的是「留存」：慢一秒、错一次、崩一回，用户就走人。你争的是什么，功夫就往哪儿堆。国产大模型这两年的叙事都在拼谁登顶、谁开源最大，资源自然全压在刷得出分的地方，顾不上把响应、成本、稳定性一点点磨顺。

第二层更硬：就算想磨「好用」，有两样东西开源现在拿不到。

一是真实产品里的数据。「几十步不掉链子」这种可靠，榜单测不出、也刷不出来，它只长在真实项目的长程交互里：一个 agent 每天在成千上万个真实仓库里调工具、踩坑、报错、又自己找回来，用户每一次接受、拒绝、回滚，都是喂给下一版的信号。Claude Code、Codex 这台飞轮转了很久，开源实验室手里没有。

二是撑得住的算力。K3 是 2.8 万亿参数的吞金兽，MoE 每次只激活一小部分专家看着省，可维持它运行要把近 3TB 参数全塞进显存，100 万字的上下文再吞掉一大块缓存。撞上高端芯片的代差，服务一压就崩，首日 60% 挤不进去就是明证。「好用」得靠真实规模的产品和算力，一天天喂出来。

三、那到底该怎么选

说句公道话，K3 不是没价值。前端、demo、大上下文实验这类边界清楚、你自己盯着的活，它够用；价格和开源也确实把门槛拉低了一截，值得尝鲜。

可要交给它一件跑错代价很高、又没人盯着的活，你押的那一注就变了：从「它够不够聪明」，变成「它靠不靠谱、扛不扛得住、算不算得过账」。这几样，今天还是 Claude、Codex 稳。

写在最后

别被「登顶」两个字骗了。跑分是造给世界看的肌肉，产品是造给你天天用的，是两件事。K3 证明了中国开源能造出「跑分登顶的肌肉」，这一步分量很重；可它还没证明能造出「让你离不开的产品」。

肌肉能三个月练出一块，产品得靠真实的人在真实场景里一天天用出来。差的这一截，不在参数表上，在你连续用它三天之后。

数据来源：
1. Artificial Analysis 智能指数 v4.1（K3 57、Fable 5 60、GPT-5.6 Sol 59、Opus 4.8 约 56）。
2. Simon Willison 博客实测；The Decoder、VentureBeat、Decrypt 关于发布、定价与幻觉率的报道，2026 年 7 月。
3. 速度约 10 倍、输出价涨 3.5 倍、首日逾 60% 无法访问等，为开发者实测与媒体报道汇总；K3 权重截至 7-20 未完全公开（计划 7-27），部分成绩系官方自报，第三方系统复测仍在更新。