作者｜博雯

编辑｜赖捷

好家伙，一觉醒来中国版Fable横空出世了？

就在今天凌晨，月之暗面正式发布Kimi K3。而在昨天晚上，已经有爆料说Kimi K3的水平“接近Fable 5”，“优于GPT5.6”，甚至堪称“又一个Deepseek时刻”。

本以为又是行业日常炸裂时刻，结果扒完一圈案例，还真被Kimi K3的水平给惊到了。

浮世绘风格的动画，Kimi K3手拿把掐，整体的画面、分镜、创意全都不输号称当代最强的Fable 5。

大家可以自行对比OpenAI发的这个非常直白的实物讲解……

看了一圈海外X和国内技术社区，很明显绝大部分人都非常意外：Fable 5和GPT-5.6最近打得热闹，怎么突然冲出来一个Kimi K3？

但事实就是，刚刚发布的Kimi K3，不仅在权威编程评估榜单Code Arena中，力压Claude Fable 5和GPT-5.6 Sol排到了第一，在综合性AI能力评估测试Artificial Analysis Intelligence Index中，Kimi K3也直接从靠后的位置直接冲到了前3，作为一个开源模型，性能甚至能和Claude Fable 5和GPT-5.6 Sol两大顶级闭源模型掰掰手腕。

现在，Kimi K3已登陆网页端、Kimi Work、Kimi Code和API。

仅仅不到一天，海内外网友就已经玩疯了。

更有品味、更有创造力

盘点三大热门案例方向

根据官方介绍，Kimi K3拥有2.8万亿参数，是全球迄今为止最大的开源AI模型，主打3D推理、编程和视觉处理能力，能够将概念、图像和视频转化为可完全互动的体验。

而翻看全网热门案例，我们发现Kimi K3也确实在以下三个方向表现最为惊艳：

1、视觉设计

目前在X以及多个外网技术社区里，大家一致的反馈都是：Fable 5和Kimi K3都具有非常鲜明的艺术本能和视觉优先级。

比如我们开头展现的浮世绘风格动画，尽管在镜头设计与表达上有一些差异，但整体给人的惊艳感已经是不相上下。

   图源博主@Renoise

还有人用同样的提示词做动态展示页，展示的产品，想要的网页整体色调，还有一整套的排版格式都完全相同，但即使是这样相似的条件，Kimi K3最终呈现的效果，确实也更有一种灵动的设计感。

这个案例的作者还放出了成本：Fable 5消耗4.58万Token，耗费约2.84元，而Kimi K3消耗3.82万Token，花费约0.34元，几乎便宜了8倍。

图源博主@Nico

还有人用同一套提示词去复刻苹果主页，左边是Kimi K3，右边是Fable 5，最后效果基本都还原了“苹果味”，但Fable 5花费了约6.37元，而Kimi K3花了约2.98元，成本只有一半。

提示词：创建一个HTML文件，重现苹果官网（apple.com）的页面。顶部固定导航栏显示苹果菜单（标志、产品、搜索、购物袋）。特色产品主图区：居中的大图、大标题、副标题以及两个链接（“了解更多 ›”和“立即购买 ›”）。其下方为产品宣传页的网格布局，浅色和深色背景交替出现，每页均包含居中的标题、副标题和行动号召按钮。字体、字重和间距需严格遵循苹果风格（San Francisco / -apple-system），支持桌面端和移动端的响应式布局，并带有微妙的悬停和滚动动画。产品图片可使用渐变色或 SVG 作为占位符。请勿引用任何其他文件。

图源博主@LASCHUK

2、游戏

尽管代码或构建小游戏的能力，对于现在的AI来说已算是老生常谈，但对于这次的Kimi K3，用户们的反应还是相当疯狂。

有人甚至表示，Kimi K3完全就是Fable+GPT才能搞出来的AI游戏引擎，甚至可以说是“神级游戏引擎”。

在X上，有用户同时让Kimi K3和GPT-5.6 Sol通过Three.js（一个用于在网页浏览器中创建和展示3D图形的开源JavaScript库）构建一个弩炮模型。

提示词：用Three.js构建弩炮，这是一种古代和中世纪的攻城武器，其工作原理类似于巨大的弩。

而在最后输出的结果中，GPT-5.6 Sol构建出来的弩炮是通过一个界面来操控的，瞄准是+/−，装填是R，发射是按空格，环境场景则像是训练场，也会时不时地转动视角，好像在进行教学训练；

Kimi K3则是通过“按住蓄力、松手放箭”来完成对真实弩机物理动作的映射：按住的时间长短就是张力大小，松开瞬间就是扳机释放。而且整体的风格环境也塑造了月夜、火把、敌军剪影这样的额外元素。

原作者在测试之后表示，两者之间的“品味差异”非常明显，不仅是视觉上，还有功能性的。整体而言，虽然两者都达到了相同的效果，但Kimi K3“更有创造力”。

还有用户用Kimi K3开发出了一个纸片人版本的马里奥，他惊喜地发现，“当玩家角色在树顶后面时，树顶应该半透明”以及“玩家吃金币”这两个机制，都是他没有提示而Kimi K3主动做的。

图源博主@BridgeMind

而在官方给出的演示中，Kimi K3可以通过Three.js + WebGPU + GPU Compute实时渲染构建一个广阔的开放世界，拥有森林、雪山、木屋村庄等等元素，还能整合天气、光照、动画，最终输出一个可直接运行的浏览器游戏。

官方技术博客也提到，Kimi K3在动态设计、动画和视频剪辑方面表现出色，因为它原生的多模态架构能够在同一模型中理解文本、图像和视频。

还有人只用了大概60万Token，约22元的成本，就复刻了枪击游戏《CS:GO》+第一人称动作解谜游戏《传送门》的效果案例，而同等成果用GPT-5.6 Sol要花费超过40元，Fable 5更是超过73元。

这位开发者感叹道：

“免费独立游戏开发的时代比你想象得更近！”

3、3D建模与推理

在热门案例中特别显眼的，还有“3D建模与推理”。

提示词：用Three.js构建一个逼真的军事军械库，配备步枪、手枪、狙击步枪、手榴弹、防弹衣、弹药箱、武器架、动画显示器和动态灯光。

在同样的提示词下，Kimi K3和Claude Opus 4.8最终输出的成果差异明显，Opus 4.8生成的环境是一个比较空旷的房子，房间内的元素也很少；而Kimi K3则构建了一个完整的场景，包含贴图、合适的光影、弹药箱、武器架等等多种细节。

构建完成后原作者严感叹道，Kimi K3毫无疑问是比Opus 4.8更好的，而且水平已经直逼Fable 5。

图源博主@Bhavy

还有AI测试中经典的“熔岩灯测试”，它在热力学上的完整循环是：灯泡在底部加热→蜡变轻上升→到顶部冷却→变重下沉。可以说是同时考验AI模型的前端生成、动画设计、视觉审美和交互实现能力。

而在Fable 5（左）和Kimi K3（右）最终输出的效果里，显然Kimi K3在上升、冷却、下沉的整个过程中，表现得更细腻，会从颜色上体现底部的蜡团正在被加热（所以颜色更亮），而顶部的蜡球正在冷却（所以颜色发红发暗），展现出了热状态的变化。

同时，Kimi K3在底座上还生成了一圈竖条结构，对应的是真实熔岩灯里灯泡周围的金属丝/散热构造，这也是提示词里不会有，模型主动补上的物理细节。

图源博主@BridgeMind

还有人直接用Kimi K3生成了一个四冲程发动机的3D建模，质感、交互、参数界面都相当惊艳。

图源博主@Berryxia.AI

问题也有：

价格和速度静待市场考验

从上述热门案例中我们也能看到，Kimi K3最显眼的，就是其更主动、更真实的创造力。这也正是Kimi K3能在Code Arena上登顶的直观原因。

毕竟Code Arena测的主要就是前端编程，比起后台数据流转，它更强调用户能直接接触到的视觉呈现和交互实现，模型也需要根据用户要求生成网页，完成视觉还原、交互设计和功能实现。

在Code Arena的实际测评中，同一道任务会交给两个匿名模型，用户实际体验两个结果后投票，投票完成才会公布模型身份。在结果揭晓前，用户并不知道自己选的是哪家模型，这就极大削弱了用户对品牌先入为主的认知。

而数百万用户盲测之后的结果，就是Kimi K3在今天凌晨更新的榜单中拿到了1679分，排在全球第一，压过了 Claude Fable 5的1631分和GPT-5.6 Sol的1618分。

当然，问题也有。

比如官方博客里就很直白地表示，Kimi K3在训练阶段就特别强调远景和具有挑战性的任务。因此，当任务执行过程中遇到小问题或用户意图模糊时，模型可能会代表用户做出意想不到的决策——有时会给用户带来惊喜，有时也会“过度即兴发挥”，因此最好对模型施加更明确的行为约束。

此外，Kimi K3对于历史思考内容也很敏感。如果Agent框架没按要求回传全部历史思考内容，或者用户从其它模型的会话中途切换过来，生成质量可能不稳定。所以官方建议用Kimi Code这类验证过兼容性的框架，不要在会话中途换模型。

而在大量用户实测的案例中，也有不少于用户反馈生成速度比较慢，稍微复杂一点的项目，生成速度可能就奔着小时去了。

运行了超过30分钟，然后就把20美元的订阅额度给花完了。

还有普通用户最关心的价格问题。

尽管大量案例都在强调Kimi K3的成本更低，而根据Artificial Analysis，在平均每个智能指数任务的价格上，Kimi K3相对能力更接近的GPT 5.6 Sol确实更便宜，对比Opus4.8更是便宜了一半。

不过整体而言，相对大家对国产模型超高性价比的期待，还是有点距离。

实际上官方也表示，Kimi K3的整体表现，仍落后于最强的闭源模型 Claude Fable 5 和 GPT-5.6 Sol。

有不少人说，Kimi K3的发布是又一个DeepSeek时刻，这个评价是否公允？就静待它在未来长期实战中给出的答案吧。

           

            

             

              
               

                

                 

                  
                   

                    
                     

                      
                     
                   
                 
                 

                  
                 
                 

                  
                 
                 

                  
                 
                
               
             
           
           

             欢迎分享、点赞、推荐
           
           

             一起研究AI