Kimi K3：2.8T 参数 MoE 模型，输出成本仅为 GPT-5 的 1/3

Moonshot AI 的 Kimi K3 于 2026 年 7 月上线，这是今年第一款让我重新跑成本-per-task 基准测试的模型。2.8T 参数的 Mixture-of-Experts 模型，100 万 token 的上下文窗口，输出 token 定价大约是 GPT-5.6 Sol 的三分之一。以下是详细拆解。

K3 是一个稀疏 MoE 模型——总计 2.8T 参数，但每个 token 只激活其中一小部分。这正是其定价激进的原因：你为活跃计算量付费，而非整个权重矩阵。100 万上下文窗口是实打实的（不是营销噱头"最高可达"），在我对大型代码仓库转储的测试中，即使超过 50 万 token 也能保持良好的一致性。

TextArena：全球第 9 名——通用推理和指令遵循均进入前十

前端编码：第 1 名——在 UI 生成和组件任务上超越所有前沿模型

GDPval-AA：第 3 名——智能体评估表现强劲

前端编码第一对我来说才是重点。如果你正在构建代码生成工具，这是一个直接信号。

在输出 token——也就是成本的大头——上，K3 比 GPT-5.6 Sol 便宜约 2 倍，比 Claude Fable 5 便宜约 3.3 倍。对于每月生成 5000 万输出 token 的工作负载，这意味着费用从约 350 美元降到约 107 美元。

缓存命中价格才是真正的故事

缓存命中每百万 token 仅 0.05 美元，缓存输入有 88% 的折扣。

对于编码 Agent，这完全改变了经济学逻辑。一个典型的 Agent 循环在每次交互时都会重新发送相同的系统 prompt、文件树和上下文。有了缓存后，重复输入从每百万 token 0.43 美元降到 0.05 美元。在长时间的智能体会话中，缓存命中率可达输入量的 70-90%——因此你的有效输入成本会降至每百万 token 0.08-0.12 美元。

这个数字使得 K3 成为常驻型编码助手的经济可行方案。

自托管不现实

在你问之前：不行。2.8T 参数至少需要约 8×H100 才能部署可用，而且在 100 万上下文下运行 KV 缓存还需要更多硬件。这还没算电力、冷却和运维费用，硬件成本就超过 15 万美元。除非你把推理当作一项业务来运营，否则通过 API 调用始终更便宜。

访问 K3：Yingsuan AI Gateway

务实的路径是统一网关。Yingsuan AI 用一个 API key 就能访问 K3、DeepSeek 和 GLM——无需信用卡即可开始，支持 Wise 支付，方便没有美国银行卡的全球开发者充值。

一个 key，多个前沿模型，不存在各提供商之间的供应商锁定。对于需要在 K3（前端/代码生成）和 DeepSeek 或 GLM（推理/成本敏感的批量任务）之间路由的团队，这大大减少了集成开销。

Python 示例（OpenAI SDK）

K3 兼容 OpenAI 格式，只需改两行代码：

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_YINGSUAN_KEY",
    base_url="https://api.yingsuan.ai/v1"  # unified gateway
)

response = client.chat.completions.create(
    model="kimi-k3",
    messages=[
        {"role": "system", "content": "You are a senior frontend engineer."},
        {"role": "user", "content": "Build a responsive pricing table in React + Tailwind."}
    ],
    temperature=0.3,
    max_tokens=4096
)

print(response.choices[0].message.content)
print("tokens:", response.usage)

把 model 换成 deepseek-v3 或 glm-5 即可路由到其他模型——同一个 key，同一个 SDK。

保持系统 prompt 和静态上下文在多次调用中完全一致即可启用缓存。网关会透传 cache_control，你可以在使用量响应中看到命中率。

如果你想先测试再决定：

网关上有 3 个永久免费模型（适合原型开发和轻量批量任务）

K3 有 100 次试用调用，可针对你自己的工作负载跑基准测试

这些足够让你用真实 prompt 在 K3 上跑一遍，并与当前提供商的 cost-per-task 做对比——这才是唯一重要的基准。

K3 不是一个"更便宜的替代品"的故事。前端编码第一加上每百万 token 0.05 美元的缓存命中价格，使它成为代码生成和智能体工作负载的首选模型，成本只是附带的优势。如果你目前在为前端生成支付 GPT-5.6 或 Claude Fable 5 的费率，跑一下 100 次试用调用，算算你自己流量的账。