K3 已测，确实强，但要命的是配额太少了！
一天不到，一周的配额已经烧完了，大概就生成了 5 个测试页面！
从五个例子中，可以知道，有些确实很强，有些呢又差点意思，有些比较糟糕。
我不是那种收钱办事儿只会吹牛逼的博主，我也不会针对 Kimi 只说它的缺点。我会依次给大家展现测试结果，同时和其它国产模型，和国外的 GPT 5.6 和 Fable 5 做一个对比，尤其是 Fable 5！
下面我就一点一点来说，看完这篇文章大家应该对K3有一个相对全面的解了。
这篇文章，我要先从这张图片说起：
我第一眼看到这张图，以为是 AI 生成的。这个数据实在是太离谱了！
Kimi-K3 已经把强到可怕的 Fable 5 按在地上摩擦了！
如果这个图片是真实的，我还买啥 Fable5，直接续一波 K3 就好了。
这成功勾起了我的好奇心和“打假”的欲望！说实话，我是完全不信这个排名的！
所以，必须自己测一下，才有数。
1、只有99+才能玩！
当我产生兴趣之后，准备开测的时候，发现一个很尴尬的事情：
我的初级套餐，不配使用 K3 模型，只有 99 以上套餐才可以使用。我就有点犹豫了，因为 Kimi 家的配额全网最少，我已经打算弃坑了，但是数据很亮眼，讨论也很热烈，很多人催我测试，搞得我也很想试试它的深浅。
大家确实也很关心这一点：K3 是否值得购买？
这次直接从 2.7 干到了 3.0，也算是大版本升级了！那就买呗，99 元又不是花不起！
买完之后才发现 1M 上下文需要 199 元才能玩，我 C#@￥@#%￥@%！
Moderate 这一档上下文居然只有 256，要到 Allegretto 才有 1M 上下文，°(°¯᷄◠¯᷅°)°！我感觉 K3 已经有点“高攀不起”了！
2、基准数据和特点
根据开发者后台的提示：这次 K3 的卖点是 1M 上下文，擅长编程、游戏 3D 和知识任务！
这不是巧了么！
我最近刚好让 Fable 5 制作了很多前端的 3D 和游戏项目，专业对口啊！
按照国际惯例，我们先看一下官方发布的技术博客。
官方博客中是这个概括这个模型的：
具备原生视觉功能和 100 万个 token 的上下文窗口。它是全球首个开放式 3T 级模型，专为跨长期编码、知识工作和推理的前沿智能而设计。
它对自身的评价是这样的：
虽然其整体性能仍然落后于最强大的专有模型 Claude Fable 5 和 GPT 5.6 Sol，但 Kimi K3 在我们的评估套件中表现出了前沿水平的性能，始终优于其他受测模型。
这个看起来还是很低调客观的，其实有点小傲娇。内涵是：我们只是比最强的 Fable 5 和 GPT 5.6 Sol 差一点点，其他嘛，我不说，你们去品！哈哈！
接下来看两张基准数据。
一张是编程（Coding）能力：
一张是通用智能体（Agents）能力：
这里有很多基准，我就不解释了。大家可能看不懂这些概念，但是都能看得出来排名。
整体来说，有种除了 Fable 5 和 GPT-5.6 之外，我就可以横着走的感觉，Opus 4.8 就是个弟弟，只能坐另外一桌了。
另外还有一个很关键的点就是模型参数量：
K3 这个 2.8T 确实有点分量的！
这个参数量确实来到了一个很恐怖的位置，比之前所有的开源模型要大很多，比 1.6T 的 DeepSeek Pro大了 1.2T！
众所周知，模型参数大了之后，脑子就会好很多，然后会贵很多。
插一句：
其实几个星期前，Kimi 的人就接触过，当时感觉会有比较重要的发布。因为我已经非常确信，我不会接商单的，我要直接开发游戏和软件，并分享实战经验。所以就没有深入聊了！
另外再补充一点小知识：模型发布第一天，就能发文章的人，都是参与内测的，而内测的人 99% 会说好话，而且其中大概率包含商单或者其他合作。
所以，头几天的新闻得谨慎看待！
我对 Kimi 的印象还可以，今天就来实测一下这个模型。看看它的基准数据是否靠谱，以及大模型竞技场的排名第一是否靠谱。
其实稍微懂点逻辑的，就发现一个小问题了：Kimi 自己说不如 Fable 5，而竞技场却比 Fable 5 强。出现不等式了，哪里有问题？
3、测试工具
接下来介绍一下测试工具，我之前都比较喜欢用 Claude Code，但是遇到 Kimi 我一般会用它们自家的 KimiCode，这次也不例外。
用官方的 KimiCode + K3 Thinking 应该能发挥最强的能力。
具体用法是：直接打开终端，输入 kimi 启动，会自动升级到最新版！
然后选 K3，然后把 Thinking 打开，目前只有开关，还没有其他等级。
然后，我们就可以开搞了。
我大概会展示 4 个例子，这几个例子，有经典游戏复刻，有概念融合，也有一些原创的老题目和新题目。
因为 Kimi 最强的就是前端，所以这次测前端合情合理，最后一个题目会涉及联网游戏，可能复杂一点。
1、甲维斯的车库
因为 K3 的特点是模型比较大，开发、3D 前端、世界知识比较强。所以就先来做一个甲维斯的车库吧！这是一个新题目，之前测试 GPT 5.6 Sol 和 Fable 的时候引入的。
题目如下：
1我在网上看到一个很有意思的例子，就是有人做了一个在线车库，可以快速切换车库中的各种车辆，以及显示这个载具的数据，中间显示具体的内容，可以通过鼠标拖动查看不同角度，然后可以切换涂漆，可以切换视角，可以自动旋转展示！网页配色，布局，内容我希望你尽可能还原参考图 2.png，不同之处在于车库里的车子，以及骑车的人，以及车库的名字。 2 3车子我希望你做一辆自行车，一辆电瓶车，一辆机车，一辆三蹦子，一辆五菱宏光，一辆特斯拉，一辆小米，一辆保时捷，一套钢铁侠的经典战甲。具体型号你自己定，要主流的型号。 4 5骑车开车的人物根据参考图 1.jpg 的头部形象进行设计，做一个 3D Q 版卡通想象。车库的主人是 Jarvis。 6 7我的需求就是这样，细节你来完成，我只负责验收。使用单个 HTML 和前端技术完成，只输出最终结果页面。 8
这个题目其实是不简单的，现在很多模型都是做不到及格分的。
因为这个题目是多维度的考验，首先必须具备的是多模态能力，因为我会给参考图，而且是两张参考图。
这个题目的核心要求如下：
关键的考察点如下：
这种题目其实不存在侥幸的，如果某一个环节的能力不行，最终结果就是完全没法看。只有你每个维度的能力都还可以，最终才能呈现出一个还可以的结果。但是目前没有模型可以做到特别优秀。
题目说清楚了，我们就可以开始测试了：
测试之前看一下我的配额情况：
全部都是全新的，周配额，小时配额都是满的。
经过极其漫长的等待（大概5+个小时），终于出结果了：
下面是它的“三蹦子”：
它做的 Model 3：
整体来说做的非常好！ （甲维斯发型设计拉跨）
首先网页复刻，从布局来看是非常到位的，证明它的多模态能力确实国内最强！
而且网页上的功能点都是能正常工作的，调速的那个滑动条是完全正常的，这已经超过很多选手了！
另外，3D建模能力确实也非常不错了。首先车子是车子，人是人，没有扭曲分离。
其次，特斯拉的全景天幕和半透明效果都做出来了。
它对不同车型的整体理解也是对的。
整个任务的规划也还不错：
它是先写完全部代码，然后做语法检查，然后截图做图片识别。然后根据图片修复问题。最后全部复查一遍。
这个思路非常清晰，而且中间也没有犹豫和反复。
2.7 的时候感觉是烧 Token 补救智商不足的问题，这次明显运筹帷幄，参数大了就是聪明了很多。
没有对比大家可能对这个问题还不是很清晰，我贴一下 K2.7 和其他模型的效果图，你们就很清楚了。
下面是自家老版本K2.7的特斯拉：
这应该是出了车祸之后的样子吧！
腾讯混元3的特斯拉：
第一次JS错误，修改一次之后才得到上面的结果。 这个外形肯定不是特斯拉。
国产最强“盲人”模型 GLM 5.2 的特斯拉：
配色全崩，功能点也很多不到位，建模也是很抽象。
Grok 4.5 的特斯拉：
Grok 4.5 太不应该了，你忘了你的出身了么？你忘了你们老板的老本行了么？
GPT 5.6 Sol 的特斯拉：
这是它的第二版，第一版没有理解 3D，做了纸片人，这是给它明确提示词之后的效果。GPT 5.6 的前端还是不太行，其他模型有很多错位的地方，空间感差点意思。
Fable 5 的特斯拉：
布局和色彩还原很到位，所有功能点都正常，整体建模也不错，但是默认没有做半透明的侧窗玻璃，头发有点穿模。
单从这次测试来比较的话，K3确实有点东西了。
本来测下来 Fable 5 的建模能力和空间感最好。看了 K3 之后，好像确实有点比 Fable 5 还好的感觉啊~~！
但是我必须指出一个非常严重的问题，Kimi K3 配额消耗太猛了！为了测试上面的例子，我大概消耗了两个五小时周期，我这已经是 99 元的套餐了。49 元的套餐基本上就不要用了，秒射……不对……是秒没。
2、超级玛丽
刚才那个例子测试了多模态、世界知识、3D 等能力。下面测试一下老游戏还原能力，让它给我复刻一个超级玛丽的游戏。
下面是它的最终效果：
这是 Fable 5 的最终效果：
实话实说，K3 的完成度已经非常高了，几乎没有硬伤，地图像模像样，有很多经典内容，然后操作手感也很到位，然后它第一次就把蘑菇的回弹和鸭子给做出来了。Fable 5 在主角还原上要比 K3 好一些。
在这个例子里，我感觉是不分伯仲，都表现得出类拔萃。
3、赛博朋克版清明上河图
第一个题目是复刻网页和3D效果，第二个是复刻老游戏。这些内容其实都是可以“抄的” ，做得好，可能是“抄”的能力比较强！下面来一个我原创的题目《赛博朋克版清明上河图》
这个题目的重点是风格和内容的融合。
K3 的结果如下：
这是 Fable 5 的结果：
从这个例子来说，K3 整体表现比较平淡，而 Fable 5 内涵比较丰富，它不光是一个简单的街道。还有古装的人，还有桥，还有船和倒影。还有拉车的驴，还有两种刻画精致的飞行器。它是真的刻画出了一个古赛结合、内涵非常丰富的画面。
其实这种宏观视野和元素结合是非常难的，这个靠简单死记硬背是做不出来的。
4、3D台球
上面的题目，我都提供了比较多的提示词，而且很多题目其实可能是被做了优化训练的！然后我就想了一个开放题。我就说我想做个 “3D 台球”游戏。
然后问它有什么想法，然后根据它的推荐的线路来实现。
这个题目，我没有做任何预设和限制，也没有提示它用什么技术框架，也没有告诉它什么坑是要避免的。我只说了，要3D，要好玩，视觉效果要好，走拟真路线，可以联网玩。
K3 大概消耗了一个五小时周期，结果如下：
这个是主界面，它设计了三种模式，分别是单人练习、本地双人、在线对战。
然后我打开单人练习看了一眼：
这个例子，就崩得有些厉害了！
有两个非常严重的问题。一个是建模的问题，这个台球桌没有 6 个落球的口子，这就有点离谱了。另外一个问题是它这个杆子非常晃，操作手感极其离谱，很容易晕。
我也用同样的方式测了 Fable 5：
这个主界面应该是比 Kimi 的设计感好很多，而且功能也丰富很多。还做了玩法说明。最有意思的是它把这个游戏叫做“神杆”！而 K3 只是无情叫它“经典台球”！
然后看一下主界面：
可以调整抬杆角度和打击点：
可以调整第三视角和第一视角，以及顶视图：
除此之外还有音乐控制，菜单控制，打击之后镜头切换等效果。
这个例子，高下立判了！
而且差的不是一丁半点！
另外我还在配额的夹缝里测了一个我自创的项目《天文机械表》。
这个例子，样式也还可以，月相也是正确的，计时器、地区这些都做得不错。但是它把秒表的指针放到了大表盘，这样就会和秒钟有点冲突，然后该有的小表盘就没有了，还有一个就是不同地区的日落日出表盘里显示有点问题，另外大表盘上的数字看不太清楚！
这一题整体不如 Fable 5！Fable 5 各种细节都做得不错，几乎满分💯！
我本来想多测几个场景，但是奈何配额已经见底！
这个配额的问题真的非常严重：
我做完第一个例子，居然用掉了 37% 的周配额，差不多 2 个五小时周期，也就是说为了这个“例子”，我起码需要 5+ 小时！而且它的周配额只有 5 倍，非常少啊。
这TM能干嘛呢~~！
我已经是 100 一个月了啊，听说 199 也不怎么顶用。
我之前跑同样的例子，Fable 5 连五小时配额都没用完，Claude 的周配额一般是 5 小时配额的 10 倍，现在应该能到 15 倍。
这么一比，K3 有点高攀不起，只能用 Fable 5 勉强度日了😄~
作为用户，模型变强了是好事儿，但是也得考虑“量”和“价”，我们毕竟是真的拿来干项目，这点配额，项目没干完，先破产了。
总结一下：Kimi K3 是真的强了好多，有些例子表现非常出众，但是有些又很拉跨。而 Fable 5 发挥稳定，整体感觉更稳、更全面，自主性更强，自我发挥环节表现出众，相比而言配额都更多……离谱！
作为国内用户，如果你不差钱的话，K3 是个非常好的模型，不用翻山越岭去用 Fable 5 了。
其实我是非常想做一个更全面的测试的，但是我的魔法冷却时间为一周，一周过后可能没人关心K3是什么了。
今天跑了一天高速太累了，没录视频效果。上面的例子最好是看动态效果，我会把相关的例子传到网站上。
大家可以直接对比，网址：topai.jarvisuni.com/
有用过K3的，也可以来说说优点和缺点！
《Kimi k3是真碉，但太不经用，也有拉跨点！》 是转载文章，点击查看原文。
