K3 还没正式发布，但已经不需要了。
7 月 15 号晚上，B 站和 X 上同时冒出一段 36 秒的视频。没有产品经理站台、没有技术白皮书、甚至没有旁白——只有一个数字"3"闪了不到半秒。但圈里所有人都懂了。
同一时间，一个叫 Kivine 的东西正在 Chatbot Arena 上打匿名赛。没人知道它是谁家的，只知道它会写代码、会建模、还他妈的会做 3D 交互页面。
答案你猜到了。
一问：为什么是现在？
月之暗面选了一个很有意思的发布窗口。
一个月前，Anthropic 的那份对标榜单让很多人第一次认真看了一眼中国模型。榜单上 Claude Opus 4.8 和 GPT-5.5 旁边，孤零零挂着 Kimi K2.7——唯一一个非美国产模型。这不是什么野榜，这是 Anthropic 自己搞的横向评估。等于说你的对手在内部报告里写"这个家伙值得关注"。
所以时机就很有意思了。K2.7 刚拿完海外"认证"，K3 就直接接棒。而且不是常规的产品更新节奏——从 K2 到 K2.6 再到 K2.7 Code，月之暗面大概一个月一个大版本。但 K3 显然不是"K2.8"。
他们跳号了。跳号在大模型圈是有讲究的：不是挤牙膏，是换架构。
二问：到底大了多少？
先不列参数表，说一件事：2.5 万亿。
作为参照，DeepSeek-V3 是 6710 亿总参数每次激活 370 亿，已经能在大部分任务上追平 GPT-4 了。K3 把这个数字翻了将近四倍。MoE 架构的精髓不是"更大"，而是"更聪明地大"——你不需要每次推理都跑全部参数，专家网络会根据任务类型自动调配。
但参数只是起点。真正让我觉得 K3 是"下一代"而非"升级版"的，是另外两件事。
三问：百万 Token 到底能干什么？
这个数字听多了容易麻木。我换个说法。
你打开 VS Code，把整个 Linux 内核源码仓扔进去——1200 万行 C 代码，加上注释和文档大概 70 万 Token。K3 能一口气读完，还能剩 30 万 Token 的余量。
再比如《三体》三部曲全部文本，差不多 90 万 Token。K3 一次吃进去，你可以在里面追着问"章北海和罗辑谁先提出的黑暗森林假设"——不加 RAG、不分 chunk、不切上下文。
这不是"长上下文"，这是"不切上下文"。这两个词的区别，就是 AGI 和 Chatbot 的区别。
四问：Agent Swarm 是噱头吗？
K2.6 时期，Agent Swarm 已经跑出了非常离谱的数据：单任务调动 300 个子智能体、执行超过 4000 次工具调用，速度是单 Agent 顺序执行的 4.5 倍。
我知道你会问：这么多 Agent 同时跑，不乱吗？
这个事情的关键不在"多"，在"协同"。传统方案是你写个脚本把任务拆成 N 份、分给 N 个 Worker、等它们跑完合并。Agent Swarm 的做法是让模型自己拆、自己分、自己合。任务拆解和角色分配是实时决策而非预设规则。
K3 传闻在这个方向上做了体系级加固：不仅规模更大，闭环成功率更高——这其实是 Agent 落地的核心指标。你让一个 Agent 干十件事，它能干完九件和能干完六件，体验差太远。
五问：Kivine 在海外到底什么风评？
这部分才是最好看的。
K3 在 Chatbot Arena 上的匿名代号叫 Kivine。海外开发者不认识它，但因为 Arena 的盲测机制——你投两个匿名模型的结果、投完才知道是谁——所以 Kivine 完全是靠实力打上去的。
@chetaslua 是一个喜欢用极限任务折磨模型的开发者。他让 Kivine 做体素建模——不是画个方块，是完整的三维场景生成。K3 一把过。然后是纯代码视频克隆——用 HTML/CSS/JS 复刻一段视频动效，不加任何外部资源。还是一把过。
@noctus 的测试更直观——让模型生成一个 3D 智能音箱的交互展示页。带光影、带材质、带动画，浏览器里直接跑。这在前端圈叫"产品级 demo"。一个模型能一镜到底生成这种东西，说明它对 Three.js 的理解是结构化的，不是瞎凑代码。
社区里已经有人开始把这玩意儿叫"Chinese Fable 5"了。虽然带点揶揄，但注意——被拿来和 Fable 5 对标，本身就是一种认可。
六问：和 Fable 5 正面刚，谁赢了？
没人赢。但这个结果本身就很说明问题。
@testingcatalog 做了最公平的对比：同一个 Universe Simulation 任务，两个模型各跑一遍。Fable 5 稳——响应快、组件不崩。K3 野——视觉更大胆、动效更复杂，但偶尔要多等几秒。
@abhinavflac 的樱花盆景测试也很典型。K3 在细节刻画上甚至比 Fable 5 更"用力"——树干的纹理、花瓣的密度、光影的层次，明显是花了更多计算资源去抠的。
@TokenGremlin 给了一个我认为最中肯的结论：“K3 在网页设计上的整体实力已经接近 Fable 5，对中国模型来说是一次突破。“后半句是重点——他不是在跟其他中国模型比，是直接拿 Fable 5 当尺子量的。
但该说还得说：K3 慢。不是功能慢，是"想得慢”。多个开发者提到同一个问题——思考时间偏长、出结果要等。在 Fable 5 已经能做到"几乎无感等待"的今天，这个差距是真实存在的。
七问：接下来会发生什么？
写到这里，我想说一个可能很多人没意识到的事情。
过去两年中国大模型圈的主流叙事是"追赶”——参数追上、跑分追上、榜单追上。K3 选择了一条不同的路：它不去跟 GPT 比数学、不去跟 Claude 比安全——它直接切入了 Agent 和前端生成这个赛道，而且是用「模型本身的能力」去切，而不是靠外部工具链包装。
这意味着竞争的维度在变。
以前是中国模型和美国模型的「单一赛道追逐赛」。现在变成了「多赛道分布对抗」——你可以跑分不如我，但你 Agent 协同比我强。你可以在某些任务上压我一头，但我的闭环成功率更高。
这不是一个谁赢谁输的局面。这是整个牌桌的规则在被改写。
当然，一切还要等 K3 正式发布。现在的 Kivine 只是匿名测试版，参数、推理速度、API 定价都还没公布。但就目前社区放出来的案例来看，这已经不是"中国模型有进步"的水平了——这是"中国模型开始定义自己的战场"。
36 秒的预告片里，那个数字"3"闪了不到半秒。但如果你把过去两年中国 AI 的故事串起来看——从追赶到并跑，从 Chatbot 到 Agent，从跑分到实际可用——这半秒，可能比很多人以为的要重得多。