本文实测Kimi K3在3D场景、模拟经营、Windows界面等10项高难度前端任务中的表现，并体验其金融看板与估值插件。K3在编程和Agent榜单中位列第一，但官方已暂停新套餐购买，API输出价为每百万Token 100元。适合开发者与金融从业者评估其实际生产力。
Tags:
上周五，K3 刚发布不久，马斯克就公开向 Kimi 宣战。
表示 xAI 正在训练一款拥有2万亿参数的新模型，性能对标 Kimi K3，甚至可能超越它。
对此，月之暗面官方只轻描淡写地回了一句：“欢迎加入『2万亿+』俱乐部。”
作为目前全球规模最大的开放权重模型，K3 的总参数达到 2.8 万亿。放眼全球，目前已发布并公开披露接近3万亿参数量级的模型并不多，K3 也由此站到了规模竞赛的最前沿。
官方将 K3 的综合能力对标 Claude Opus 4.8，并称其在知识工作和 Agent 任务上的表现已经实现反超。
我第一时间上手，连续实测了几天。说实话，它在不少任务上的表现，确实给了我不小的惊喜，很强。
接下来就带大家看看 K3 的真实表现。
一、工程能力
实测之前，我已经看到很多大佬用 K3 搓了不少很厉害的前端工程，比如能自由探索的3D开放世界、带战斗和任务系统的武侠 RPG，甚至还有长征十号火箭发射与回收模拟器。
大佬手搓 3D 开放世界：
因为对 K3 的前端能力比较信任，我决定手搓一个纪念碑谷风格的 Agent 监控看板，把多个 Agent 的工作流变成一张动态的 3D 地图，把任务节点、运行状态和异常信息实时映射到场景里。
以下是我的效果：
K3 基本上完美复刻了纪念碑谷的梦幻建模风格，实现了升降平台、旋转桥梁、伸缩阶梯和视错觉连接等动态环境解谜机关。
代表 Agent 小人会依照工作流的点位依次上升，经过不同的小机关，最终点亮塔楼，完成整个任务。
国产模型能把这种复杂的 3D 交互做到这个完成度，真的非常少见。
提示词：
做一个纪念碑谷风格的 Agent 工作流监控看板，1、要包含 Agent 工作的几个流程，确定点位 2、代表 Agent 的小人要通过机关来到每个点位，最终到最后一个点位，点亮塔楼。3、机关参考：地面 BFS 寻路移动,相邻格高度差 ≤1 可通行并自动生成台阶 建筑可绕 Y 轴 90° 步进旋转;设置"不可能连接"——两格仅在旋转到特定角度、屏幕上视觉拼合时才可通行(对齐公式:旋转后的 b-a = (±1,0,0)+k(1,1,1) 或 (0,0,±1)+k(1,1,1)) 升降平台(曲柄式载人 + 按钮式远程)
由于这个任务比较复杂，很考验模型长程任务的稳定性、以及模型的审美能力。
k3 分成了 3 步去做工程，第二步有 4 个代理并行生成。
接下来开始正式跑代码了，调用工具都有记录，我个人比较喜欢 Kimi 的 UI 界面，执行进度一目了然。
点开就能看跑过的代码：
每个子代理现在的步骤也可以看到，方便我随时调整。
这个任务我微调了5、6次，跑了大概一个半小时，就得到了现在的效果。
第一版其实就已经建好了我们现在看到的模型，光影质感没有问题，只是有些细节需要处理，比如水面上的光点，小人的行动速度等。
体验下来，Kimi 的前端能力确实有点太夸张了。
第一，复杂的 3D 场景、光影和交互骨架，第一版就能基本搭完整；
第二，后续微调非常听话，能精准修改水面光点、角色速度这类细节。
第三，长程执行很稳定，连续跑一个多小时也不会丢失上下文或把项目改崩。
第四，任务规划很清晰，会把建模、交互和视觉细节分配给不同代理并行处理，也能准确理解你想要的视觉效果，最后再统一整合。
不过，一个 Case 还说明不了太多，我决定继续上强度，挑战它的前端生成上限。下面这个城市经营模拟沙盒，是我直接用 Kimi 桌面应用端跑的。
游戏里可以自由建房、铺路和规划公园，不仅有天气系统和昼夜更替，建筑光影与城市照明也会随环境实时变化。
提示词：使用 Three.js + Vite + 原生 JavaScript 制作一个浏览器端可运行的低多边形 3D 模拟经营建造游戏，游戏名为《口袋城市：Pocket Town》。
不得不感叹一句，K3 在长程任务上的持续性确实很强：第一轮执行失败后，它会自主分析问题、重新规划并继续推进，直到把整个环境系统重构完成。
很少出现任务推进不下去的情况。
让它回退的版本也比较精确，没有因为局部失败就把整个项目推倒重来，也没有误伤已经确认的功能。
最终的示例城市有 204 栋建筑，1024 格游戏地图；除了不同类型的小人，还有 10 只小猫小狗在口袋世界里。
作为 30 分钟跑出来的 Demo ，已经很成熟了。
后面我又一次生成了一个 Windows xp 界面，只用了不到五分钟时间，就得到了下面的效果：
提示词：做一个 Windows XP 页面，高度还原。
虽然点开桌面应用，里面的界面还比较粗糙。但整体功能已经复刻了下来，文件夹也非常还原，甚至还能玩扫雷。
只调用了两个工具，就完成了整个 Windows XP 交互网页的生成与代码校验，一次写入、一次运行，全程没有反复返工。
还有几个比较惊艳的前端案例，我也贴在下面了。
这是一个后室 3D 模型复刻，一次生成，就极大程度地还原了影片中房中房的设定。
关键是 K3 是真的理解了什么叫阈限空间，这个 Demo 不点退出完全找不到这个地图的边界，害得我在里面跑了半天都没找到边界在哪....
还有这个钟表拼装的 HTML 页面，滚动时机芯、表盘、指针和外壳会沿着同一中心点逐层组装，最终严丝合缝地合成一块完整腕表。
无论是零件层级、动画节奏还是材质质感，都已经很接近高端腕表品牌官网的完成度。
这是我让 K3 给自己生成一个互动性超强的网页，效果也很不错。
在 hero 页面，鼠标移动时会留下粒子轨迹，带来实时视觉反馈。继续向下滚动，页面还设计了一套可操作的终端，点击不同指令就会返回对应结果。
到了技能展示区，悬停在不同卡片上，图表、进度环和状态组件也会触发各自的动态效果，整套交互做得很有意思。
我没有给到任何提示词，就只用了一句话，让它自己作规划，就能得出这样的效果。
最后，我还让 K3 做了一个 3D 机械键盘拼装器，键帽、轴体、定位板和外壳能逐层拆解、自动归位，还支持自由旋转视角、切换配色与灯效。
感觉大家已经可以尝试用 K3 来做产品级的 3D 展示了，细节和质感都不错。
这一轮测下来，K3 在空间理解、视觉审美和工程执行上的表现都很突出，能够从需求拆解一路推进到最终交付，已经具备了独立完成高质量 Demo 的能力。
至少在我测过的国产模型里，它的前端生成能力目前可以排到全球第一梯队。
二、办公能力
除了写代码跑工程，Kimi 桌面端这次还上线了一个很实用的新功能：看板。
我认为这个功能对普通用户更具普惠性，尤其是在办公场景里。不懂代码和数据库，也能快速搭建一个可长期使用、持续更新的个人工作台。
以前用 AI 做页面，结果通常停留在一次对话里，用完就走；即使页面做得再漂亮，也大多只是展示一次的静态 Demo。
Kimi Work 新上线的看板功能，则可以把生成的页面保存为长期使用的交互组件，并直接固定在电脑桌面上，变成一个随时可看的独立小窗。
比如说我就用 K3 跑了一个日用小组件，放在桌面上：
它的使用门槛也很低，不需要自己研究数据库、字段和模板配置，只要说清楚想监控什么，就能生成对应的股票、业务、新闻或天气看板。
页面风格、数据布局和组件动效都可以交给 Kimi 完成，也能通过圈选和批注，对某个区域进行局部修改。
拖拽改变布局大小：
批注内容，让 K3 精准修改。
更关键的是，这些组件可以接入恒生、标普、同花顺等专业数据源，并通过 Automation 定时更新。光是这几个数据库的订阅费，我算了算一年就要十几万，从事金融行业的朋友有福了。
组件之间还能相互联动，甚至可以连接飞书等办公工具，让看板持续获取最新数据。
我跑的这个小组件抓取的股票数据就是完全真实的，还有运行记录可以查看：
抓取的新闻也可以实时跳转到页面。
除了看板，Kimi Work 这次还同步上线了一套金融插件，分为数据库插件和技能插件两类：前者提供实时、权威的数据，后者负责调用专业框架完成分析。
我用这个插件跑了一个股票看板，里面集合了纳指、标普500、VIX和美债收益率等实时指标。
还能查看英伟达、苹果、微软等个股的走势、成交量、基本面和异动原因。
新闻、财报日历、历史相似行情和每日复盘也都整理好了，盘面信息基本一页就能看完。
还可以链接飞书推送看板图片，非常方便。
值得一提的是，我还用「投资银行与私募股权」插件，给特斯拉跑了一遍投行常用的可比公司估值。
Kimi 会直接从 SEC 财报里抓数。最后交付的 Excel 里，公式、信源和审阅记录一个不少，专业程度确实有点超出预期。
前段时间，GPT 也开始布局 Work，说明大家对能真正干活、融入日常办公的 AI，需求确实越来越强。
个人感觉，AI 搭建工具的门槛正在快速降低：以前大多只能做一次性的 Demo，现在已经能搭出长期运行、持续更新的个人工作台。
随着接入的数据源越来越专业，最终做出来的东西也越来越有成品感。
如果说你日常工作和跑代码没有关系，你也可以去试一下 KiMi 的新功能，毕竟现在做一个真正有价值的小看板，几乎是零门槛了。
三、总结
最后，聊聊 K3 的跑分和价格。
在编程测试中，K3 以 77.8 分拿下 Program Bench 第一，SWE Marathon 也以 42 分排名第一；Terminal Bench 2.1 达到 88.3 分，只比 GPT-5.6 Sol 低 0.5 分
到了 Agent 场景，K3 在 AutomationBench、SpreadsheetBench 2 和 BrowseComp 上全部排名第一，分别拿到 30.8、34.8 和 91.2 分。
视觉任务同样处于第一梯队，CharXiv 和 ZeroBench 分别达到 91.3 和 41 分。
当然，K3 并没有包揽所有榜单。在 DeepSWE、FrontierSWE、GDPval 等测试中，Fable 5 和 GPT-5.6 Sol 仍然领先。官方也明确表示，K3 的综合能力与目前最强的闭源模型之间还有差距。
不过我认为，K3 能在编程、Agent 和视觉任务三条线上同时进入第一梯队，已经非常难得，整体完成度达到了国产模型目前少见的高度。
价格方面，Kimi 会员目前分为每月49元、99元、199元和699元四档。K3 从99元的 Moderato 套餐开始开放，想使用最高100万 Token 上下文，则需要199元及以上套餐。
需要注意的是，受算力限制，Kimi 官方在7月20日表示新套餐暂时停止购买，具体开放时间还要等待后续通知。
如果走 API，K3 每100万 Token 的缓存命中输入为2元，未命中输入为20元，输出为100元。这个价格谈不上便宜，尤其是跑长程工程和多 Agent 任务时，额度消耗会非常明显。
所以我的感受是：真强，也真费额度。
但看完它实际能干出来的活，这个钱还是花得挺值的，毕竟是能正面跟全球顶尖模型掰手腕的国模，确实有点东西。
没有评论:
发表评论