在此页面上
简短的回答
Kimi K3 值得测试复杂推理和长时间代理任务，并在保存的快照中提供独立的科学和数学结果。将准确的推理设置和工具与您的评估相匹配。无论是大型上下文窗口还是长时间运行的演示都无法证明您的产品是可靠的。
拿走什么
- 将 Kimi 应用程序、代码和 API 比较分开。
- 科学和数学百分比衡量不同的任务。
- 测量长期运行期间经过验证的进度。
已检查来源 .研究综合和 Rubrex 建议。示例和本地实验均已标记；它们不是客户结果。
已注明日期的模型快照。 已发布的指标描述了指定的模型、设置和测试。它们不是 Rubrex 实验或通用排名。研究日期后，价格和供货情况可能会发生变化。
比较型号并检查数据日期 →将Kimi K3与周边产品分开
Moonshot AI 的 Kimi K3 技术文章描述了通过 Kimi 产品及其 API 提供的模型。当前的 Kimi Code 文档列出了 K3 以及其他型号选项。 Kimi 应用程序模式、编码代理和 API 模型是不同的系统，即使它们使用相同的底层系列也是如此。评估时记录准确的模型标识符、推理工作、工具利用和访问路线。不要在未说明差异的情况下将整个代理产品与裸模型调用进行比较。
按照日期规格读取容量和成本
保存的目录列出了 Kimi K3，具有 1,048,576 个上下文代币，基本费率为每百万输入代币 3 美元和每百万输出代币 15 美元。这些值描述了本文检查的目录端点，而不是 Kimi 订阅或自托管部署的价格。我们的建议是根据工作负载的完整跟踪来估算成本。即使最终答案很短，长任务也可能会积累大量的中间输出、重复的上下文和工具活动。
| 型号或属性 | 公布值 | 如何解读 |
|---|---|---|
| moonshotai/kimi-k3 | $3 输入 / $15 输出 | OpenRouter 目录基本费率 |
| 目录上下文 | 1,048,576 代币 | 端点容量，不是召回保证 |
分别比较科学和数学
Epoch AI 保存的 GPQA 钻石结果涵盖了困难的科学问题，而 FrontierMath Tiers 1-3 v2 则涵盖了可使用 Python 访问的数学。下面的两行都使用 Kimi K3 进行最大推理，但百分比具有不同的分母，无法平均为有意义的整体智力得分。 Moonshot 自己的基准脚注也描述了测试中不同的代理工具。在阅读提供商比较时保留这些条件，而不是将每个报告的数字视为相同实验的结果。
证据： Epoch AI：GPQA 钻石 [4]Epoch AI：前沿数学第 1-3 层 v2 [5]Kimi K3：开放前沿智能 [1]
| 基准 | 精确配置 | 分数 | 标准错误 | 运行日期 |
|---|---|---|---|---|
| GPQA 钻石 | 基米K3（最大） | 93.12% | 1.49个百分点 | 2026-07-16 |
| FrontierMath 第 1-3 级 v2 | 基米K3（最大） | 72.18% | 2.66个百分点 | 2026-07-17 |
测试长任务是否有用的持久性
长期运行的代理应该取得经过验证的进展，而不是简单地继续生产活动。准备具有中间检查点、工具故障和明确停止条件的任务。检查 Kimi 是否从丢失的结果中恢复、重复无效的操作或在环境确认之前声称已完成。衡量已接受的完成情况、每次工具调用的进度、总成本以及中断后的恢复情况。对于文档工作，添加证据位置检查和冲突版本。单独记录线束修复的内容，以便模型和系统的贡献保持可区分性。
证据的局限性
Rubrex 尚未在本文中重现这些运行或验证自托管部署。发布帖子的重量发布计划不用作当前下载可用性或许可条款的证据。价格和独立结果是 2026 年 9 月 25 日的快照。
常见问题
我们可以使用这些分数来估计支持准确性吗？
否。使用您的文档和验收标准评估支持任务。已发布的科学和数学测试涵盖了不同的能力。
我们应该记录什么来进行 Kimi 比较？
记录模型 ID、产品或 API、推理工作、工具版本、工具预算、接受的结果、已用时间和所有计费使用情况。
来源和进一步阅读
本简报背后的主要来源。来源的研究结果适用于其自身的研究条件； arXiv 上的出版物不建立同行评审。
- Kimi K3：开放前沿智能 登月人工智能 · 2026 · 提供商技术文章已审核： 发布概述和基准线束脚注.已访问 2026年9月25日.
- Kimi代码模型配置 登月人工智能 · 生活参考 · 维护文档已审核： 当前Kimi Code型号选项.已访问 2026年9月25日.
- OpenRouter公共模型目录 开放路由器 · 生活参考 · 维护文档已审核： 目录字段；数字价格取自已保存的 9 月 25 日 API 快照.已访问 2026年9月25日.
- Epoch AI：GPQA 钻石 纪元人工智能 · 2026 · 独立基准已审核： 基准定义并保存内部评估记录；抄送4.0.已访问 2026年9月25日.
- Epoch AI：前沿数学第 1-3 层 v2 纪元人工智能 · 2026 · 独立基准已审核： 基准定义并保存内部评估记录；抄送4.0.已访问 2026年9月25日.