Kimi K3 深度测评：实力暴涨却配额告急，与 GPT-5.6、Fable 5 全面对比
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，大约只生成了 5 个测试页面！
从这五个例子可以看出，有些表现非常抢眼，有些则差强人意，个别甚至比较糟糕。
我不会像那些收钱办事的博主一样只做片面宣传，也不会专门挑 Kimi 的缺点来说。接下来我会把测试结果依次展示，同时和其他国产模型，以及国外的 GPT 5.6、Fable 5 做一个对比，尤其会重点对比 Fable 5！
下面我就逐项展开，看完这篇文章你应当能对 K3 建立起一个比较全面的认知。
先来说说引发我兴趣的这张图片：
我第一眼看到这张图，还以为是 AI 生成的。这个数据实在是太夸张了！
Kimi-K3 已经把强到可怕的 Fable 5 按在地上摩擦了！
如果这个排行属实，我还买什么 Fable5，直接续一波 K3 就好。
这成功勾起了我的好奇心和“打假”的冲动！说实话，我完全不信这个排名！
所以，必须自己实测一下，心里才有底。
1、只有 99+ 才能玩！
当我真正产生兴趣，准备开测的时候，发现一个很尴尬的事情：
我的初级套餐，根本不配使用 K3 模型，只有 99 元以上的套餐才可以用。当时我就犹豫了，因为 Kimi 家的配额全网最少，我原本已经打算弃坑了，但是它的数据又很亮眼，讨论也特别热烈，很多人催着我测，搞得我也很想探一探它的深浅。
大家确实很关心一个问题：K3 到底值不值得买？
这次直接从 2.7 跃升到 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 元才能用，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 的核心卖点是 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 做了很多前端的 3D 和游戏项目，专业对口啊！
按照国际惯例，我们先来看一下官方发布的技术博客。
官方博客里是这样概括这个模型的：
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。
这个说法看起来还是很低调客观的，其实带着一点小傲娇。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，我就不一一解释了。大家可能一时看不懂这些概念，但排名总归是看得懂的。
整体上，有一种除了 Fable 5 和 GPT-5.6 之外，我就可以横着走的感觉，Opus 4.8 完全只能坐在另一桌了。
另外还有一个很关键的点就是模型参数量：
K3 这 2.8T 确实很有分量！
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都要大很多，比 1.6T 的 DeepSeek Pro 整整多出 1.2T！
众所周知，模型参数一大，脑子就会清楚很多，同时也会贵很多。
插一句题外话：
其实几个星期前，Kimi 的人就接触过，当时就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，我要直接去开发游戏和软件，并分享实战经验。所以就没有深入聊下去！
另外再补充一点小知识：模型发布第一天，就能发文章的人，大多都参与了内测，而内测的人 99% 会倾向于说好话，而且其中很可能包含商单或其他合作。
所以，头几天的评测信息得谨慎看待！
我对 Kimi 的印象整体还可以，今天就来实测一下这个模型。看看它的基准数据是否靠谱，以及那个大模型竞技场排名第一是否真实。
其实稍微懂点逻辑的，就会发现一个小问题：Kimi 自己承认不如 Fable 5，而竞技场排名却比 Fable 5 强。这里出现了“不等式”，哪里有问题？
3、测试工具
接下来介绍一下测试工具。我之前一般比较喜欢用 Claude Code，但碰到 Kimi 我通常会选择他们自家的 KimiCode，这次也不例外。
用官方的 KimiCode + K3 Thinking 应该能发挥出最强的能力。
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，再把 Thinking 打开。目前只有开和关，还没有更细的等级划分。
然后，我们就可以正式开搞了。
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，所以这次重点测前端合情合理，最后一个题目会涉及联网游戏，可能稍复杂一些。
1、甲维斯的车库
因为 K3 的特点是模型比较大，开发、3D 前端、世界知识都比较强。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 的时候引入过。
题目如下：
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，中间展示具体内容，可以通过鼠标拖动查看不同角度，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，还有车库的名字。
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。
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 版卡通形象。车库的主人是 Jarvis。
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。
这个题目其实并不简单，市面上很多模型都做不到及格。
因为这个题目是多维度的考验，首先必须具备多模态能力，因为我会提供两张参考图。
这个题目的核心要求如下：
关键的考察点包括：
这种题目其实不存在侥幸，如果某一个环节的能力不行，最终结果就完全没法看。只有每个维度的能力都还可以，最终才能呈现出一个还说得过去的结果。但是截至目前，还没有哪个模型能真正做到特别优秀。
题目说清楚了，我们就可以开始测试了：
测试之前先看一眼我的配额情况：
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（大约 5+ 个小时），终于出结果了：
下面是它做的“三蹦子”：
它做的 Model 3：
整体来说做得非常好！ （甲维斯发型设计略显拉跨）
首先网页复刻，从布局来看很到位，说明它的多模态能力确实国内最强！
而且网页上的功能点都能正常工作，调速的那个滑动条完全正常，这已经超过了相当多的选手！
另外，3D 建模能力也确实很亮眼。首先车子是车子，人是人，没有出现扭曲和分离。
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。
整个任务的规划也相当不错：
它是先写完全部代码，然后做语法检查，再截图进行图片识别，接着根据图片修复问题，最后整体复查一遍。
这个思路非常清晰，而且中间没有犹豫和反复。
2.7 时代感觉是在用烧 Token 来弥补智商不足的问题，这次明显是运筹帷幄，参数大了就是聪明了很多。
没有对比大家可能对这种提升还不太清楚，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，建模更是抽象。
Grok 4.5 的特斯拉：
Grok 4.5 太不应该了，你忘了你的出身了吗？忘了你们老板的看家本领了吗？
GPT 5.6 Sol 的特斯拉：
这是它的第二版，第一版没有理解 3D，做了个纸片人，这是明确提示词之后的效果。GPT 5.6 的前端还是不行，其他模型也有很多错位的地方，空间感稍差。
Fable 5 的特斯拉：
布局和色彩还原非常到位，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，头发有一点穿模。
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是最好的。看完 K3 之后，好像确实有种比 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 的配额消耗太猛了！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 元的套餐基本就是秒没。
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，经典元素齐全，操作手感也很到位，而且它第一次就把蘑菇的回弹和鸭子做出来了。Fable 5 在主角还原上要比 K3 好一些。
在这个例子里，我感觉两者不分伯仲，都表现得相当出类拔萃。
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。这些内容其实都属于“照着抄”的范畴，做得好，可能只是“抄”的能力比较强！下面来一个我自创的题目——《赛博朋克版清明上河图》。
这个题目的重点在于风格与内容的融合。
K3 的结果如下：
这是 Fable 5 的结果：
从这个例子来看，K3 整体表现比较平淡，而 Fable 5 的内涵更为丰富，它不只是一条简单的街道。有古装的人物，有桥，还有船和倒影，有拉车的驴，还有两种刻画精致的飞行器。它真切地描绘出了一个古典与赛博结合、意蕴丰富的画面。
其实这种宏观视野和元素融合是非常困难的，仅靠死记硬背根本做不出来。
4、3D台球
上面的题目，我都提供了比较多的提示词，而且很多题目可能已经被针对性优化训练过！于是我想了一个开放题。我直接说想做 “3D 台球”游戏。
然后问它有什么想法，再根据它推荐的线路来实现。
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，没告诉它有哪些坑要避开。我只说了，要 3D，要好玩，视觉效果要好，走拟真路线，最好可以联网玩。
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。
然后我点开单人练习看了一眼：
这个例子，崩得就有些厉害了！
有两个非常严重的问题。一是建模上的问题，这个台球桌没有 6 个落球的袋口，这实在是离谱。另一个是杆子非常晃，操作手感极其糟糕，很容易让人头晕。
我也用同样的方式测了 Fable 5：
这个主界面明显比 Kimi 的设计感好很多，而且功能也丰富不少。它还做了玩法说明。最有意思的是它把这个游戏命名为“神杆”！而 K3 只是干巴巴地叫它“经典台球”！
再看一下主界面：
可以调整抬杆角度和打击点：
可以切换第三视角、第一视角，以及顶视图：
除此之外还有音乐控制、菜单控制，以及击球后的镜头切换等效果。
这个例子，高下立判！
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，月相是正确的，计时器、地区这些方面都做得不错。但它把秒表的指针放到了大表盘上，这样就会和秒钟有冲突，该有的小表盘就没有了，还有一个问题是不同地区的日出日落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 各种细节都做得很好，几乎可以给满分💯！
我本来想多测几个场景，但是无奈配额已经见底！
这个配额问题真的非常严重：
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，也就是说为了跑通这个例子，我至少需要等 5+ 小时！而且它的周配额上限只有 5 倍，真的非常少。
这又能做什么呢~~！
我已经是 100 元一个月了，听说 199 元套餐也不怎么顶用。
我之前跑同样的例子，Fable 5 连一次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，只能继续用 Fable 5 勉强度日了😄~
作为用户，模型变强了是好事，但也得考虑“量”和“价”，我们毕竟是真真切切拿来干项目，这点配额，项目还没做完，就先破产了。
总结一下：Kimi K3 是真的强了很多，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，在自由发挥环节中表现很出众，相比而言配额也多得多……离谱！
作为国内用户，如果不差钱的话，K3 是个非常好的模型，不用再翻山越岭去用 Fable 5 了。
其实我是非常想做一次更全面的测试的，但我的“魔法冷却时间”为一周，一周过后可能就没什么人再关心 K3 是什么了。
今天跑了一天高速太累了，就没有录视频效果。上面的例子看动态效果会更直观，我会把相关的例子传到网站上。
大家可以直接去对比，网址：https://topai.jarvisuni.com/
有用过 K3 的，也欢迎来说说它的优点和缺点！