首页财产ai正文 5亿Token实测Kimi K3：我看到了核弹，也看到昂扬的成本 7月16日最先对于Kimi K3举行测试，于复刻《GTA5》等使命中体现冷艳，但视频复刻等使命存于问题，其有亮点也有局限，为AI Coding成长开了好头。 2026-07-21 17:31 ·微信公家号：白鲸试验室 Caesar Caesar AI投资人解读· Kimi K3作为全世界首个开源的3万亿级别模子，于测试中揭示出必然上风。于复刻《GTA5》使命中，Kimi K3天生的游戏细节富厚，可用性高，其暗地里的Agent Harness使使命完成度晋升。 · 测试也袒露出问题，如视频复刻使命乐成率低，存于token耗损量年夜、天生等候时长长、受办事器颠簸影响等环境。 总结：Kimi K3有亮点，但也存于不足，于繁杂使命履行上有待完美，且利用成本较高。其成长标的目的契合将来软件利用范式改变趋向，不外间隔成为真实的“AI软件工程师”仍有差距。
7月17日凌晨，Kimi K3正式发布，作为全世界首 个开源的3万亿级别模子，引来了马斯克于线留言：“Impressive”。
随后，于PitchBook私募市场阐发师哈里森·罗尔夫斯口中，Kimi K3像一焚烧星落进了一间布满汽油的房间，成为美国电视台口中带崩美股的缘故原由。
但年夜模子竞争进入第三年，模子参数、Benchmark分数已经经愈来愈难制造欣喜。对于在真正利用AI的人来讲，判定一个模子有无跨代变化，只有一个尺度，就是它可否替你完成之前需要一个工程师完成的工作。
抛开一些看上去过度夸张的叙事，咱们体贴的是K3真的好用吗？易用吗？
此刻年夜厂的软件工程师，利用AI Coding东西已经经成为了一样平常。他们往往其实不是为了体验用“AI写几个Demo”，而是于真正的软件开发场景中利用Coding Agent去写功效、Debug、Review 代码及搭建Web运用。
以是，这一次测试，咱们没有选择 Benchmark，而是直接给Kimi K3几个真实繁杂使命。我想看看，假如彻底罢休，让AI本身计划、编码、测试，Kimi K3到底能做到甚么水平？
花了一天时间，开了最高等699元会员，测试了4个使命，将token额度耗损了40%，花了5亿以上的token。这也许是全网破费token量至多的，Coding最深切的一次测试，体验历程我看到了核弹。
0一、PKGPT
7月16日，测试第 一天，我用Kimi K3跑出了一个3D.js网页，效果不错，随后，我选择让Kimi K3从零复刻游戏《GTA5》。Kimi跑完《GTA5》的时辰，我才真有一种看到核弹的觉得。
许多人迷惑的是，为何测Coding能力总拿《GTA5》开刀？
一样平常开发者用AI Coding至多的场景，其实不是用它去写一段代码，而是考查它能不克不及理解一个繁杂体系，而且去做高效的复现或者者立异。《GTA5》刚好不是一个步伐，而是一套繁杂的体系，它有脚色体系、物理体系、经济体系、使命体系，全搅于一路。
模子不仅要写出能跑的代码，还有患上弄懂甚么让一个游戏“好玩”。
以是它成为了AI Coding的试金石，写对于逻辑只能拿和格分，写出体验才算过关。
第 一关：让K3及GPT-5.6 Sol high本身写Prompt，再本身完成游戏
此前几个月，由于事情需要，我的主力Coding模子一直是GPT-5.5 。智谱glm 5.2的Coding效果不差，但由于缺少多模态，以是我的主力模子始终固定为GPT。
多模态一样是我此前利用Kimi Code的缘故原由，这一次我决议让Kimi K3及Codex同题PK。
于长达一天的测试里，我选择直接告诉Kimi、Codex去做甚么，让AI本身天生开发方案，提交提醒词，然后再根据它本身的提醒词去Coding，末了测试交付。
于做《GTA5》时，Kimi本身天生的提醒词是：
接着，把统一个Prompt丢给Kimi Code，切Auto模式，全程不加入。我想看看，K3于彻底无人工干涉干与的环境下能不克不及顺遂完成使命。
先说成果，几个小时后，Kimi Code提交了。而Codex只用了半小时。不外此次Kimi K3于Auto模式下跑出来的效果，于我的体验里压过了GPT-5.6 Sol。
Kimi一次性天生了一个可用性及完备度都很高的GTA网页游戏，Codex做出来的也能跑，但Kimi K3增补了许多游戏工程师才能get到的细节。
体验下来，Kimi做的GTA，内里的驾驶体系，玩家可以找车，开车，于都会中挪动。舆图里除了了都会以外，还有有戈壁及海边。碰撞体系里，玩家撞击NPC，车辆或者者任何其他情况物体，都有对于应的体积，看起来都是合理的。
甚至，玩家于街上开抢，NPC会体现出畏惧。
此中，差人体系是做患上最冷艳的。Codex面临“犯法后差人追捕”的提醒词，只是天生了几个差人NPC。Kimi K3则是于理解差人的追捕逻辑后，天生了响应的触发机制，玩家犯法后警车会赶来，差人下车，开枪进犯，甚至还有有直升机呈现，用探照灯搜刮玩家。
由于充足过细，于我看来可用性更高。这些细节不是简朴写代码就能出来的，它申明模子真的理解了游戏机制。
这一次，Auto模式确凿让我感觉有些冷艳，保举编程小白可以选择Auto模式。Auto模式对于有经验的开发来讲，可以省下盯防的精神，对于没有经验的小白来讲，AI本身能做出高在平凡入门编程职员水准的细节选择，使命完成度及精致度会更高。
0二、真正主要的是Agent Harness
此次破费一天时间的测试，让我冷艳及高兴的，是它暗地里的Agent Harness。
对于比Codex及K3的天生历程，我发明，实在影响使命完成度的是Agent Harness，这也是K3比拟K2.6coding效果晋升较着的另外一个要害缘故原由。（Harness，可理解为缭绕模子构建的一整套使命履行体系，包括使命拆解，子Agent调理，东西挪用，自我查抄及成果验证）
我体验下来最直不雅的觉得是，Kimi K3最先会“看”了。
已往用AI写网页，基本流程就是写代码，跑一下，竣事，几多有点对付。由于模子看不到现实末了天生页面的视觉效果，以是天生的成果也有些粗拙，需要我重复去调解，调解的历程就会致使Token反复耗损，效率也不算高。
插手Harness以后，AI会更靠近一个真实的软件工程流程，先理解方针，再制订规划，履行使命，然后还有能查抄成果，自我批改。
最较着的变化，是Kimi K3插手的Vision in the Loop。就是写完代码后会打开网页，截图，不雅察视觉效果，相称在近似我本身事情的时辰，做完下意识的看一眼，继承调解。
这对于在Web开发实在长短常要害的。由于实际事情中，许多事情其实不是修Bug，AI天生的网页做的不克不及拿来就用，也不是由于有Bug，而是页面欠好看，交互分歧理，动画效果不天然。
Vision in the Loop，让Agent拥有近似的反馈能力，能于代码天生后打开网页，截图，再按照视觉效果举行修改。
第二关：视频复刻，K3还有没有彻底不变
不外，Kimi K3也不是所有的使命都能乐成。
我还有测试了于收集搜刮一分多钟的游戏《滚动的天空》 的视频，交给K3复刻。但很较着，看完视频以后，K3并无领会到游戏的弄法以和体验的焦点是于紧急与速率，终极的制品只是简朴地复刻了舆图及年夜部门的功效，没有完备地复刻关卡。
暗地里的缘故原由，既受限在刚上线的办事器颠簸，也触及K3自身的优化问题。
当我试着将Coding的难度进级，让模子看完视频复刻一款网页游戏，而非经由过程提醒词或者链接，视频复刻的繁杂度就显了出来。AI要做好coding，就需要“看”懂画面、动作、节拍及美术气势派头，而K3所谓的“看”，实在是将视频拆成一帧帧图片去理解，误差由此放年夜，效果年夜打扣头。
终极，于测试用Coding做网页游戏的3个使命里，GTA5这个使命完成效果冷艳，其他两个使命都不算乐成，K3还有是存于必然抽卡的问题。
并且，Kimi K3看重细节的暗地里，是超量的token耗损及天生等候时长。
一天测试下来，我仅仅跑了4-5个使命，每一个使命单个天生的时长是40分钟以上，而这几个使命就已经经耗损了699元最高等会员40%的token额度。
大略预计，于定阅制里，Kimi单个使命的成本是GPT-5.6 sol的两倍，假如真的于事情的时辰年夜量利用，生怕是打工人承担不起的。
测试历程中，K3最 年夜的问题不是能力，是额度。为了完成前三个繁杂使命，token plan的额度被烧光后，我一度用Kimi work来挪用K3，Kimi Code有五小时额度，周额度、月额度限定许多。而GPT已经经取缔了月额度的限定。
或许是算力的缺少，K3上线有年夜量用户涌入测试，速率也较着遭到影响。岑岭期Token输出速率约莫只有几十token/s，这年夜概也是单个使命天生时长跨越40分钟的缘故原由。
0三、K3为Agent而生？
当我进一步让K3设计一个给Agent利用的软件时，它也袒露出了当前AI Coding的界限。
值患上留意的是，月之暗面从K2最先，就一直明确把“Agent集群”作为焦点的架构标的目的，而且连续夸大多智能体协作、使命拆解及动态调理的底层能力。
这象征着他们预判将来AI的利用范式，会从“单轮问答”转向“持久自立履行”。
近半年，可以看到愈来愈较着的变化是，将来的软件利用者再也不限制于人上，愈来愈多的使命（从数据爬取、内容天生到跨体系协作）都将由Agent自立完成。
以剪辑软件为例，传统的剪辑软件如Premiere、剪映，它们的交互逻辑都是缭绕人设计的，有时间轴，鼠标拖拽，按钮操作及视觉预览，这些设计对于在人来讲是高效的。但对于在Agent而言，险些不成读。
由于Agent没有手去点击，也不是用视觉去判定画面的，它需要一套彻底差别的软件底层供应。好比明确的数据布局来主动汇集素材，还有要有可挪用的能力主动剪辑、调解节拍、天生字幕，输出差别版本。
为了进一步考试K3的Agent能力，我用K3做了一个专门给Agent用的剪辑软件。
究竟，假如K3要高效实现对于Agent集群的挪用，提高使命的乐成率，就要能理解合适Agent挪用的剪辑软件应该长成甚么样子，好比自发避开时间轴、按钮、预览等观点，优先输出Schema、RESTful端点、回调机制及容错计谋。
我先及K3切磋了几轮需求，确立了PRD，然后让Kimi Code去履行推进。理论上，这是一个很是合适Agent完成的使命。由于它不需要复刻一个已经有产物，而是要求模子从需求出发，设计体系，再实现体系，但终极成果并无像GTA5同样让我冷艳。
虽然K3 Auto模式于游戏里做的比力权势巨子，可是这个供Agent利用的剪辑软件，依然需要年夜量的人工参与。并且于测试中呈现了许多问题，好比部门功效理解不到位之处，初期播放视频也只能播放一小段。需要我不停指出问题，再让它批改。
再转头看一最先让我冷艳的《GTA5》。这个使命的超预期完成，很年夜水平上是由于它有明确的评价尺度。好比玩家能不克不及开车？差人会不会追捕？这些问题都有相对于清楚的反馈。
Agent只需要不停优化成果，就能靠近方针。但若要模子设计一个给Agent利用的软件，难度彻底差别。
这个使命没有尺度谜底，需要模子去理解区分在人的软件交互对于象，基在Agent需要的能力，去删除了一部门人类的操作按钮，而且变为利便Agent挪用的功效。
这些问题终极都可以或许解决，也申明K3已经经可以天生软件，但它还有没有彻底理解软件为何应该如许设计。固然，这其实不是K3的问题，是此刻所有模子于Coding场景的问题。
那Kimi K3是否是已经经跨越GPT？我并无获得一个简朴的谜底。于某些使命里，它让我冷艳，于一些繁杂使命里，它依然需要人工参与。
不外假如它能无穷量供给，我以后的主力模子会直接利用K3。这不是由于Kimi K3单项能力跨越了所有的模子，是它提供了一个很完备的闭环，我需要的能力它都有，体现都于第 一梯队，不消再切换东西。
咱们选择AI Coding东西的缘故原由，早就从谁天生的代码更准，酿成了谁能真正履行使命。一个没法旋转的变化是，已往是人操作软件，将来颇有多是Agent操作软件，这实在已经经影响到了模子迭代的思绪。
假如没法解决这个问题，那末包括K3于内的模子，以和他们的AI Coding东西，都离真实的“AI软件工程师”还有有不小差距。
此刻这个改变才方才最先，K3开了个好头。
【本文由投资界互助伙伴微信公家号：白鲸试验室授权发布，本平台仅提供信息存储办事。】【免责声明】：本文不组成任何投资建议。市场有危害，投资需审慎。若有任何疑难，请接洽（editor@zero2ipo.com.cn）投资界处置惩罚。
-lehu乐虎88国际