Kimi K3把价格抬到中国大模型新高，2.8万亿参数之后要看成本纪律

核心摘要 Summary

月之暗面把Kimi K3做到了2.8万亿参数，也把API价格抬到了中国大模型的新高：每百万输入token 3美元，输出token 15美元。

更反常的是另一组数字。一句“生成一张鹈鹕骑自行车的SVG”，K3用了16,658个输出token，其中13,241个是推理token，最终花掉约0.25美元。画面不错，账单更醒目。

K3的看点因此不只是一顶“3T级模型”王冠。2.8万亿被取整成3万亿，容易传播；高性能能否变成成本可控、执行稳定的生产力，才决定企业会不会长期付钱。

性能和价格一起跳升

月之暗面称K3是其迄今能力最强的模型，并承诺在2026年7月27日前开放权重。措辞要分清：截至材料发布时，权重尚未开放。“首个开放3T级模型”仍是一张远期支票，而且“3T级”本身也是对2.8T的营销取整。

公开信息可以压缩成这张表：

这里有三种证据，不能混成一种结论。

月之暗面的官方榜单显示，K3多数项目超过Claude Opus 4.8 max和GPT-5.5 high，但落后于Claude Fable 5与GPT-5.6 Sol。这是厂商自报结果，能说明训练目标，不能单独证明综合生产力。

Artificial Analysis的第三方评测更有参考价值。K3在私有长程知识工作评估中拿到1547 Elo，比K2.6高732分；其单任务成本为0.94美元，接近GPT-5.6 Sol的1.04美元，约为Opus 4.8的52%。这至少表明，高单价并未在所有复杂任务里自动变成高总成本。

Arena.ai前端代码榜第一也是真成绩，但仍是单项成绩。前端页面好不好看，与代码代理能否连续工作数小时、正确调用工具、处理失败重试，不是一回事。

所以，“中国模型终于敢卖贵了”只说对一半。月之暗面是在主动退出低价叙事，尝试按能力收费。接下来要证明的，是性能提升能覆盖涨价和推理开销，而不是让客户替模型的思考过程买单。

这次测试的提示词只有一句：

TEXT

Generate an SVG of a pelican riding a bicycle

测试通过OpenRouter调用Kimi K3。模型生成了有效SVG：鹈鹕穿着红围巾，骑着红色自行车，画面包含道路、太阳、云和草地。随后把渲染图再交给K3识别，它也给出了准确、细致的图像描述。

这能确认几件小而实在的事：API可用，模型能输出有效SVG，具备基本几何和空间组织能力，视觉理解也不错。

代价同样具体：

0.25美元不算大钱，但任务太简单，比例就显得刺眼。约79%的输出token花在内部推理上，而且用户暂时不能把档位调低。

输入计数也有疑点。普通分词器通常只会把这句提示算成几十个甚至约10个token，K3却计为95个；单独输入“hi”也会占86个token。两者相减，可以谨慎猜测API附带了约85个隐藏系统提示token。

这只是推测。系统提示可能包含工具协议、消息模板或其他固定开销，现有证据不能确认其具体长度和内容。它对长任务影响不大，对海量短调用却会累积。

放进业务里看，问题就清楚了。客服分类、内容打标、短文本抽取往往不需要max级推理。如果团队每天发起大量短请求，固定上下文和不可调节的推理深度会把预算消耗在任务不需要的地方。代码代理和复杂研究任务可能相反：只要成功率够高，0.94美元完成一次任务，比0.20美元失败三次更便宜。

标价只是价目表，总拥有成本还要算成功率、token消耗、重试次数和人工接管。K3目前最缺的，正是这四项在真实工作流里的成套证据。

“鹈鹕骑自行车”测试已经用了21个月。它最初近乎玩笑，却曾意外地与模型综合水平存在一定相关性。现在这条相关性正在断裂：GLM-5.2画出的鹈鹕可以胜过GPT-5.6和Claude Fable 5，但这不足以证明GLM-5.2整体达到同一能力层级。

单次SVG仍有价值。它像软件时代的“Hello World”，能逼着测试者真正接通API，顺手检查计费、推理量、格式输出和空间能力。它也适合纵向观察同一模型家族，例如K3的结果相较Kimi 2.5确有明显进步。

但它已经不适合给大模型排座次，更不能据此断言实验室专门训练过“动物骑交通工具”。今天拉开生产差距的，是模型能否在长对话中持续调用搜索、浏览器、代码执行器和企业内部系统，遇到错误时能否发现、回退并继续完成任务。

这有点像早期铁路竞争。机车跑出最高时速，当然能登报；真正决定铁路公司生死的，却是运力、准点率、维护成本和线路调度。两者不完全一样，重复的商业逻辑却很熟悉：峰值能力负责制造声量，稳定运营负责结账。

开发者现在不必急着迁移。更现实的动作是拿自己的任务集做同条件测试：固定提示词、工具数量和成功标准，记录每次调用的总token、重试次数、完成时间与人工接管率。尤其要把短任务和长程代理任务拆开测，平均数很容易掩盖成本尖峰。

技术负责人则应把K3列入高难度任务候选，而不是直接设为全公司的默认模型。若它在代码代理、文档分析或研究工作流中能显著降低失败率，高价可能合理；若只是榜单更漂亮、简单任务照样全力推理，采购会很快碰到预算上限。

关注开放权重生态的人还要等到2026年7月27日这个节点。届时要看的不只是文件有没有下载链接，还包括许可证、完整精度、量化方案、推理框架支持和部署所需硬件。2.8万亿参数即便真正开放，也不等于多数团队有能力运行。

“天下熙熙，皆为利来。”月之暗面把价格抬高，是在试探市场是否愿意为中国模型的高端能力付费。市场不会只看参数和榜单，它最后会翻调用日志，看每一美元究竟买回了多少次可靠完成。