领先项目
智能体自动化与文档理解，是 K3 最明确的相对优势区。
Program Bench77.8SWE Marathon42BrowseComp91.2DeepSearchQA95Automation Bench30.8
2026.07.17 · VENDOR-REPORTED
OPEN FRONTIER INTELLIGENCE
Kimi K3性能坐标系
把发布会上的 35 项 benchmark 拆成可检索、可比较、可追溯的数据界面。 不混合求平均，也不隐藏评测口径。
!
当前数据属于 Kimi 厂商披露。完整模型权重计划于 2026.07.27 发布，技术报告尚未公开。
VISIONAGENTICREASONINGCODING25TOP 2 / 35
2.8T总参数
1M上下文
16/896激活专家
THE RELEASE IN 60 SECONDS
四个维度，一张全景图
“前二”仅表示在官方对比表中的单项名次，不是跨指标综合分。
INTERACTIVE BENCHMARK MATRIX
逐项比较，不做失真平均
35BENCHMARKS
IN VIEW
IN VIEW
DOMAIN
MODELS
READING THE SIGNAL
优势很具体，边界也很清楚
差值只在同一个 benchmark 内计算；Elo 与普通分数不交叉比较。
贴近前沿
终端、科学问答和多模态推理中，多项结果与榜首差距不足 1 分。
Terminal Bench 2.1−0.5MCP Atlas−0.5GPQA-Diamond−0.6MathVision w/ python−0.8
仍待追赶
高难知识与部分视觉任务仍有清晰缺口，这是产品选型时的重要边界。
HLE-Full−9.8HLE-Full w/ tools−7.0Office QA Pro−6.6
UNDER THE HOOD
2.8T 规模背后的四个支点
K3 把注意力效率、跨层信息流和超稀疏 MoE 组合到同一个 3T 级系统中。 这些结构解释了它为何面向长程 coding、知识工作和原生视觉。
Kimi Delta Attention
为百万级上下文提供更高效的注意力基础，并引入面向 KDA 的 prefill cache。
Attention Residuals
跨深度选择性检索表示，替代对所有历史层的均匀累积。
Stable LatentMoE
896 个专家中仅激活 16 个，在扩大模型容量的同时控制推理成本。
Native Vision
在同一模型中理解文本、图像与视频，为视觉闭环工程任务提供基础。
METHODOLOGY & LIMITS
读懂分数之前，先读懂脚注
2026.07.17
不是统一 harness
评测混用 KimiCode、Claude Code、Codex 与 Terminus 2；部分对手取最佳 harness。
推理强度不同
K3 采用 max、temperature 1.0、top-p 1.0；GPT 5.5 使用 xhigh。
Fallback 会影响结果
Fable 5 的部分轨迹可能因策略拒答回退至 Opus 4.8。
内部榜单不可复现
KCB 2.0、DECK-Bench 与 PerceptionBench 缺少完整公开方法。
缺失不等于零分
破折号统一呈现为“未披露”，不参与名次和统计。
异构指标不求平均
Elo、F1、pass@5 与普通 score 仅在各自 benchmark 内排序。
Kimi K3 官方发布页与完整 Benchmark Table访问日期：2026-07-17
OPEN SOURCE ↗FROM BENCHMARK TO DECISION
数据给出坐标，
场景决定答案。
在 Kimi.com、Kimi Work、Kimi Code 与 API 中体验 K3。