当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

DeepSeek V4 Flash与Kimi K3实测：价格差五十倍

源自68位全网作者

12:31

精选参考来源

Kimi K3开放权重，硅谷公司陷入了噩梦时刻，Anthropic更是破防三连了…

wuhu动画人空间 2026-07-29

来自微信公众号

#DeepSeekV4能力在GLM5.2和KimiK3之间#7月31日，DeepSeek-V4-Flash正式版API上线公测。284B参数、激活仅13B的“轻量版”，在Terminal Bench 2.1拿下82.7分，DeepSWE从预览版的7.3分暴涨到54.4分——跑分刚好卡在GLM-5.2和Kimi K3之间。但比排名更有意思的是打法。模型结构和尺寸完全不变，纯靠重新后训练实现Agent能力跃升——这说明堆参数可能不是唯一的路，后训练优化才是真正的杠杆。三大模型已经在各走各的路：Kimi K3死磕性能上限，GLM-5.2卷效率，DeepSeek V4-Flash锚定性价比和Agent特化。API价格仍维持输入1元/输出2元每百万token，同时原生支持Responses API、适配Codex——开发者迁移成本几乎为零。模型在变贵、行业在卷上限的时候，有人选择把“够用”做到极致。这或许才是AI真正进入日常的样子。DeepSeekV4能力在GLM5.2和KimiK3之间

无能的老板bro 2026-07-31

来自新浪微博

全部
来源

内容由AI生成

1. Kimi K3开放权重，硅谷公司陷入了噩梦时刻，Anthropic更是破防三连了…

2. #DeepSeekV4能力在GLM5.2和KimiK3之间#7月31日，DeepSeek-V4-Flash正式版API上线公测。284B参数、激活仅13B的“轻量版”，在Terminal Bench 2.1拿下82.7分，DeepSWE从预览版的7.3分暴涨到54.4分——跑分刚好卡在GLM-5.2和Kimi K3之间。但比排名更有意思的是打法。模型结构和尺寸完全不变，纯靠重新后训练实现Agent能力跃升——这说明堆参数可能不是唯一的路，后训练优化才是真正的杠杆。三大模型已经在各走各的路：Kimi K3死磕性能上限，GLM-5.2卷效率，DeepSeek V4-Flash锚定性价比和Agent特化。API价格仍维持输入1元/输出2元每百万token，同时原生支持Responses API、适配Codex——开发者迁移成本几乎为零。模型在变贵、行业在卷上限的时候，有人选择把“够用”做到极致。这或许才是AI真正进入日常的样子。DeepSeekV4能力在GLM5.2和KimiK3之间

3. 俊明说评｜国产大模型，现在到底什么水平？Kimi K3开源后，国产大模型又迎来一次高光时刻。2.8万亿总参数、1040亿激活参数、896个专家、100万Token上下文，让它成为目前全球参数规模最大的开放权重模型，也是首个进入3万亿级别的开放模型。这个数字很有冲击力，但参数量不能直接等同于模型能力。K3采用MoE架构，每次推理真正参与计算的是1040亿参数。2.8万亿更多代表模型容量、专家分工和工程复杂度，也意味着更高的存储、通信和部署成本。因此，K3真正值得关注的地方，不只在"大"，更在长程任务和复杂工作流能力。它瞄准的已经不只是问答，而是代码开发、研究报告、工具调用、视觉理解、CAD等连续任务。模型竞争的评价标准也在变化：单次回答准不准仍然重要，能否持续工作、调用工具、修正错误并完成交付，正在成为新的核心能力。另一个关键点，是阿里云真武M890和华为昇腾对K3的Day0适配。以真武M890超节点为例，适配后K3首Token时延下降约35%，单卡解码吞吐提升1.8倍。Day0适配不代表K3最初使用国产芯片完成全部训练，也不代表国产算力已经全面超越海外高端GPU。它证明的是，面对一套刚刚发布的超大规模新架构，国产芯片、算子库、通信系统、推理框架和云平台已经具备快速迁移、快速调优和稳定运行的能力。算力竞争早已不只看单颗芯片的峰值参数。模型发布后多久能跑通、推理效率如何、开发者是否需要大量重写代码、能否快速接入云服务，这些才决定一套算力生态有没有真正的竞争力。放到更大的行业背景中看，Kimi K3并非孤例。DeepSeek、Qwen、GLM、MiniMax等中国模型，已经持续出现在全球开放模型第一梯队。中国团队在开放权重、模型规模、推理成本和迭代速度上，已经从跟随全球节奏，走到参与定义节奏。但也要客观看待差距。国产模型在闭源模型的综合能力、产品稳定性、开发者生态和商业化体验上，依然存在差距。K3的开放许可证也不等于传统意义上的完全开源，超大规模模型的部署门槛同样很高，普通用户短期内很难在本地运行。所以，国产大模型现在的真实水平可以概括为：已经进入全球第一梯队，部分方向具备领先优势，但还没有形成全方位领先。Kimi K3最大的价值在于一条完整的国产AI链路正在形成：国产模型提出新架构，开放权重吸引开发者，国产算力快速承接，推理框架同步适配，云平台迅速提供服务。参数可以制造关注，模型、芯片、框架和云服务共同形成的生态，才决定国产大模型能走多远。#月之暗面正式开源KimiK3#

4. #月之暗面正式开源KimiK3#7月27日晚间，月之暗面正式开源Kimi K3。Kimi K3是一个拥有 2.8 万亿参数的混合专家（MoE）模型，具备原生视觉理解能力，并支持 100 万 token 的上下文窗口，其参数规模是 Kimi K2.5 的 3 倍左右，在并不宽裕的算力条件下，Kimi K3凭借 Kimi Delta Attention、Attention Residuals 以及 MoonEP 等一系列技术创新，规模化效率提升了 2.5 倍。目前，每个人都可以下载并部署 Kimi K3 模型——无论是用于内部研发，还是嵌入到面向终端用户的产品中，均可自由使用。Kimi K3发布之后，再度引发外界热议，英伟达CEO黄仁勋高度称赞开源模型，也让开源和闭源之争达到新的高度。#老张聊科技# 月之暗面正式开源kimik3

5. 聊聊DeepSeek V4正式版，真正的智能平权。等了好久，DeepSeek V4的正式版终于来了。可惜，来的还是DeepSeek-V4-Flash，V4 Pro正式版还得继续等。但我看到消息的第一反应，还有很开心的。因为V4 Flash对我现在的生活，反而比V4 Pro还要重要。这次，DeepSeek V4 Flash它的模型结构和参数规模完全没变，只重新做了后训练，但是强了特别多。Terminal Bench 2.1从61.8涨到了82.7。DeepSWE从7.3涨到了54.4。DSBench-FullStack从37.0涨到了68.7。官方列出的九项Agent测试里，它已经全部超过了V4 Pro Preview。同时还原生支持Responses API，专门针对Codex进行了适配。讲真，DeepSeek这次在后训练上，应该是憋了个大的。但如果让我非常坦率地评价，DeepSeek V4 Flash在最顶级的Coding和Agent任务里，跟GPT-5.6 Sol、Claude Opus 5、Kimi K3这些最强模型，依然会有巨大的差距。复杂项目的架构设计、长时间自主执行、充满意外的多步任务，我大概率还是会优先把最强的模型挂上去。这没什么可避讳的。但模型真正进入生产环境以后，能力上限只是一部分。还有一个经常被低估到离谱的指标：你到底用不用得起。这也是我为什么反而更期待Flash。我自己的AIHOT，现在每天差不多要抓一万条新闻。这些新闻进来以后，要做结构化、数据清洗、预筛、标注、实体提取、原子事件分离、聚类、语义合并等等，还有一大堆后续判断。最后才回到真正的精选打分环节那一步。这里面绝大多数环节，都需要AI介入。有些流程复杂到甚至需要Agent自己调用工具、检查结果、决定下一步。一万条新闻，乘上一大串处理链路，最后就是一个极其恐怖的调用量。按照我现在的调用规模，每个月大概API的消耗量在1000多人民币，你要是换成我常用的那些顶级模型，成本至少得翻十倍以上。但DeepSeek V4 Flash就很适合干这个。智能水平在中上等，却又便宜得离谱。WorkBuddy里也是一样。真正难到天上的任务，大家可以接K3。可绝大多数日常任务，DeepSeek V4 Flash已经完全能处理，而且单次只消耗0.06积分。行业当然需要那些一次跑通世界级难题的顶级模型。可这个世界上更多的真实需求，是每天重复一万次、十万次、上百万次的普通任务。当智能贵得像奢侈品时，大家只能偶尔体验。当智能便宜到像水电一样时，它才会真正流进每一家公司、每一条流水线和每一个普通人的生活里。所以我很多时候，真的挺感谢DeepSeek。这才是真正的，智能平权。#ai创造营##howiai#AIDeepSeek

6. deepseek V4 Pro、智谱glm 5.2和Kimi K3这三个模型用相同的skill跑相同的任务，很容易比出一二来。deepseek是憨憨的，但是真便宜，几乎可以忽略不计；glm 5.2是挺聪明的，但就是不听话不按写好的要求干活，也确实贵好多；Kimi K3是既聪明又靠谱，就好比一个悟性很高的员工，你一说，他就懂，交付稳定且靠谱，费用贵点，但钱花的很爽。

7. Kimi K3 正式开源！全球最强开源模型，免费下载！性能直逼 Claude、GPT 5.6 旗舰模型 | 零度解说

8. 开放K3权重、抢招全球大使，Kimi这次想干什么？

9. #KimiK3模型开源#谁有最好的模型，还免费给全世界用，谁就能赢下这场AI竞赛。7月27日晚上，月之暗面干了件狠事，直接把Kimi K3的模型权重、47页技术报告、三项核心训练基础架构，全给开源了，面向全球公开下载。这是开源模型第一次摸到了闭源的天花板。K3的参数规模是2.8万亿，看着像个堆料怪兽，但它厉害的不是堆得多，而是堆得巧。模型比前代K2大了三倍，训练效率反而提升了2.5倍。什么意思？参数堆得大不算本事，堆大了还能跑得飞快，才是真功夫。成绩也很能打。Kimi K3在Frontend Code Arena拿了1679分，史上第一次有开源模型在这个榜单上超过了Claude Fable 5和GPT-5.6 Sol这些闭源大佬。这一招背后的逻辑其实很简单：与其靠封闭技术收授权费，不如把生态做起来，用开放去圈地。你觉得Kimi K3这次开源，是技术实力的硬秀，还是战略布局的一步棋？评论区聊聊你的看法。 #KimiK3模型开源#

10. Kimi K3 一开源，Anthropic 终于不装了

11. Kimi K3 发布 47 页技术报告，最有价值的创新点是这些

12. 「Github一周热点124期」Kimi K3、AI网关、开源部署平台、反AI味设计Skill和人与Agent 协作工作台

13. #DeepSeekV4Flash正式版上线#这次先扔出来一个Flash版本，达成七月发布目标。Pro和harness再等等。不过这个Flash已经超过了之前Pro是很恐怖的，那么可以预见V4 Pro正式版估计能对标Kimi K3了。

14. Kimi K3 开源最大的好处，不是给你下载来用

15. DeepSeek V4 正式版有点恐怖的，小号的 Flash 在 nao老师的测试里，已经远超v4 pro预览版，并成功将降价后的 GPT 5.6 luna斩于马下！梁圣这回要让大家看看：到底谁才是后训练仙人声明：本人从未在互联网上诋毁过深度求索，并没有称梁文锋为梁子或牢梁。本人实际上是深度求索一年老粉，经过长时间的思考，我发现Deepseek才是中国AI的希望，有时候做出决定很难，经过许多个日夜的思考，我决定加入Deepseek粉丝团。至于Kimi，GLM和Minimax，祝他们的开源模型一切顺利。

16. 拆解Kimi K3技术报告：月之暗面开始给DeepSeek出题了

17. #KimiK3模型开源# 我觉得不只要关注“2.8万亿参数”这个数字，这是开源模型第一次把竞争拉到了接近全球最强闭源模型的位置。更准确地说，Kimi这次开放的是完整模型权重。K3采用MoE架构，总参数2.8万亿、单次激活1040亿，原生支持多模态和100万Token上下文。官方也没有回避差距：综合能力仍落后于最强的闭源模型，但已经进入同一个竞争区间。这件事对产业的影响，比排行榜名次更重要。以后企业选择模型，不会只看谁的测试分数最高，还会看成本、数据安全、私有化部署、二次训练以及对自身业务的适配能力。闭源模型的优势是极限能力和产品完成度，开源模型提供的则是自主权。当然，2.8万亿参数也意味着“开源”不等于普通人可以在家里轻松部署。它真正服务的，是云计算厂商、芯片厂商、模型服务商以及有能力建设AI基础设施的大型企业。所以Kimi K3的意义，并不是宣布开源模型已经超过了所有闭源模型，而是证明了一件事：“世界前沿级的模型能力，正在从少数公司的封闭产品，逐渐变成整个产业都可以参与开发的基础设施。”

18. #DeepSeekV4Flash正式版上线#数码闲聊站对开发者来说最实用的几个升级点：Agent 能力大幅增强，做工具调用、复杂任务编排的稳定性和准确率明显提升；原生支持 Responses API 格式，迁移成本大幅降低；专门针对 Codex 做了适配，代码生成场景的体验更好；模型尺寸没变，推理成本和延迟和预览版持平，等于加量不加价。等于用同样的价格，拿到了能力更强的模型，对做 Agent 应用的团队来说是实打实的利好。

19. 1小时花一亿token极限实测DeepSeek-V4-Flash，得出7个结论

20. #小米大模型调用量全球第一#小米MiMo V2.5拿下了OpenRouter上周全球大模型调用量第一，而且总调用量跟后面几个大模型差距非常大，是断层的第一了这个视频也很直观，中美在大模型的竞争当中，中国大模型的发展是非常之快速的。以小米、DeepSeek为代表的国产大模型正在全球崭露头角

21. 刚刚，DeepSeek V4 系列更新，架构没变，Agent 能力为何大涨

22. K3发布后，月之暗面Kimi将完成新轮融资

23. #月之暗面正式开源KimiK3#月之暗面正式放出Kimi K3完整模型权重与技术报告，同时开源MoonEP、FlashKDA、AgentEnv这些支撑模型训练的底层技术。Kimi K3是首个达到2.8万亿参数规模的开源模型，过去十二个月里，Kimi系列长期守住开源模型规模上限。团队优化MoE稀疏架构，依托Stable LatentMoE框架，能在896个专家里仅激活16个。搭配全新训练方案与数据优化，相比前代K2，整体扩展效率提升约2.5倍，算力可以更高效转化成模型能力。能把如此重量级模型全面开源，对国内众多开发者来说，确实是难得的利好。#微博vibelab# 月之暗面正式开源kimik3

24. #Kimi K3动了西方底线#Kimi K3发布影响持续发酵中，先前DeepSeek发布打破东大在算力限制下能否继续搞好大模型。现在K3发布打破了美国大模型领先东大的滤镜，甚至老美开始怀疑移民政策……目前Kimi把中美AI之间的差距追到3个月了，下面还有DeepSeek V4，能再追一个月左右，最后年底GLM还有6，今年就能把差距追到时差范围内，我们早一天！

25. Artificial Analysis 这个图能看出来DeepSeek V4 Flash正式版有多么划算。本来GPT-5.6 Luna降价80%是可以屠榜的。接着反手被DeepSeek V4 Flash屠了，性能差不多的情况下，Luna完成单个任务的价格要贵了2.3倍。

26. #月之暗面正式开源KimiK3# 开源，让顶尖技术触手可及！Kimi K3，2.8万亿参数MoE模型、原生视觉理解、100万token上下文窗口！这不是实验室的陈列品，而是此刻你就能下载、部署、自由使用的真实力作。封闭的顶尖技术只是“展示”，开源的顶尖技术才是“推动”。月之暗面不仅公开模型权重与技术报告，更将支撑K3训练效率与稳定性的三大Infra：MoonEP、FlashKDA、AgentEnv全部开源。在算力并不宽裕的条件下，中国团队凭借技术创新将规模化效率提升2.5倍。这不是简单的“可用”，而是“可控、可改、可商用”的自由。国产大模型，正在用开源定义属于自己的技术话语权。#科技先锋官#

27. #KimiK3动了西方底线# 月之暗面发布的Kimi K3，正在硅谷和华盛顿掀起一场前所未有的撕裂。2.8万亿参数、全球最大开源权重模型、Arena代码榜登顶——这些硬核数据之外，更值得关注的是它触动的三条西方“底线”：🔹 技术封锁失效：在美国芯片出口管制下，中国团队靠自研架构（KDA线性注意力、稀疏MoE优化）堆出了世界级模型，打破了“缺芯就掉队”的固有认知。🔹 垄断定价松动：K3的API成本不到美国旗舰模型的一半，且完全开源。东南亚、中东、拉美已有上千家企业开始缩减美国AI采购预算。🔹 话语权被挑战：近200家硅谷创业公司联名致信白宫，反对封禁中国开源模型；黄仁勋公开表态“美国公司绝对应该被允许使用中国模型”。澳大利亚主持人说得直白：Kimi K3动了西方的底线。这个“底线”，本质是技术垄断带来的定价权和资本回报。当中国选择开源普惠路线，美国却在酝酿制裁——这本身就是最有说服力的对比。你怎么看？#AI开源之争##月之暗面KimiK3##微博AI创作季#

28. Kimi K3开源解禁，教你如何把开源最强的 K3 接进 Codex

29. 刚刚，Opus 5来了：性能不输 Fable 5、价格砍半

30. #DeepSeekV4Flash正式版上线#卧槽，超过 GLM 5.2，逼近 Opus 4.8 了再一看价格，输入1元/百万token，输出3元/百万token，完了，这下有点眩晕瘫坐，仿佛看到原子弹爆炸了和今天刚降价过的 GPT 5.6 Luna 对比的话，V4 Flash 的终端操作、代码修复、工具执行和自动化流程这几个项目已经足以和 GPT-5.6 Luna 放进同一轮 POC 了。但价格还是 DeepSeek V4 更便宜。• 输入：Luna 约为 V4-Flash 的 1.4 倍。• 输出：Luna 约为 V4-Flash 的 4.3 倍。但是需要注意，DeepSWE 和 Agents’ Last Exam 的差异还是很大，它们分别对应复杂的软件工程和开放式专业任务。也就是说 V4-Flash 很会「干活」，但如果是模糊目标，多阶段规划，复杂上下文整合与长任务自我纠偏上，仍不如 GPT-5.6 Luna 稳。不知道 V4 Pro 会是什么样。

31. #月之暗面正式开源KimiK3#这次Kimi K3开源，给我最大的感受就是现在国内大模型竞争已经不只是比参数了，更是在比技术体系和生态建设。2.8万亿参数MoE模型、百万Token上下文窗口，再加上MoonEP、FlashKDA、AgentEnv等关键技术开源，让开发者可以直接参与到模型应用和创新中。后面肯定会有越来越多核心能力开放出来，其实对整个行业都是好事。模型能力持续提升，应用场景也在不断扩大。

32. #KimiK3模型开源# K3总参数2.8万亿，但每个Token激活约1040亿参数，原生支持图像理解和100万Token上下文，还把面向Agent的长程编程、工具调用当成主战场。它的意义不只是Kimi又刷了一次参数，而是国内团队开始把前沿模型的开源权重、推理路径和部署入口，真正交给社区去折腾。但也别把“开源”理解成人人本地部署。2.8T级模型的显存、带宽、推理框架和集群调度，仍是硬门槛。普通开发者短期更现实的收益，是等vLLM、SGLang、云端推理平台和各种量化版本，把它变成可调用能力。真正值得看的，是K3能不能在开源世界里跑出官方报告之外的成绩：代码Agent能否稳定干活，长上下文会不会越跑越飘，视觉和工具调用能不能被更多真实工作流接住。模型开源不是终点，能被别人拿去用、改、验证，才算真的进了牌桌。

33. #DeepSeekV4Flash正式版上线#DeepSeek V4-Flash正式版API开启公测，对比之前预览版提升幅度相当亮眼。模型本体规模没有改动，核心依靠后训练优化完成能力升级，最核心的突破集中在Agent智能体能力。从公开基准测试数据能直观看到，在工具调用、代码工程、终端任务多项榜单里，新版V4-Flash大幅甩开旧预览版本，不少指标甚至超越V4-Pro预览版。同时原生适配Responses API，针对Codex做了兼容，对开发者相当友好。有意思的一点，没有更换模型结构，只靠后期调优就能实现性能跃升。这也说明大模型行业不再单纯比拼参数量，精细化训练、对齐优化的价值越来越重要。当然也要客观看待，部分复杂推理任务距离顶级旗舰依旧存在差距。但这款高速模型定位很清晰：兼顾响应速度与智能体执行能力，适合大批量自动化Agent任务落地。接下来低成本、高性能的Agent模型会越来越多，普通开发者搭建自动化AI应用门槛也会持续降低。大家看好这类轻量化智能体模型的落地前景吗？

34. 我们用 Kimi K3 搓了一颗火影螺旋丸，只花129元就顶一个前端团队？

35. Claude Code到底有多费token？对比实验来了：三大框架最多差30倍

36. #月之暗面正式开源KimiK3# 中国开源对闭源的压迫感一波一波的，Anthropic、OpenAI才发布了新一代的模型，国内的KimiK3就随着发布，DeepSeek的DeepSeek V4也会在近期发布。闭源大模型的不眠之夜越来越多了。KimiK3这一次直接就把闭源大模型的参数神话给打破了，让Anthropic、OpenAI这些靠着参数叙事的闭源大模型直接没有了叙事的神秘感。编程与长程智能体任务现在也跟闭源大模型处于一个水平了，这个让闭源大模型技术优越感也没有了。

37. Kimi K3完整权重正式放出！7月27日已经上线HuggingFace。注意，是开放模型权重，支持私有化部署、商用微调；但训练代码、训练数据不对外公开。全球首个2.8万亿参数开放权重大模型，国产大模型又向前迈一大步。#KimiK3 #

38. #ClaudeOpus5发布#Claude Opus 5正式亮相了，对比Opus 4.8，推理、代码编写、长周期Agent任务能力全面升级，最关键的是，性能变强，定价却不变。对于开发者、中小企业来说，不用承担高昂调用成本，就能拿到接近顶尖梯队的模型能力。不止Anthropic，国内外不少大模型厂商都在走相同路线，高性能模型平价化已经成为行业大趋势。往后顶尖大模型之间的跑分差距会持续缩小，单纯依靠模型本身很难拉开长期优势。真正决定玩家能不能站稳脚跟的，不再只是模型纸面实力，而是生态搭建、落地应用，还有AI智能体能否真正融入各行各业的工作流程。轰轰烈烈的大模型军备竞赛慢慢降温，下一轮较量，已经从底层模型战争，转向真实场景里的智能应用争夺战。大家觉得，未来普通用户还会执着追逐最新旗舰模型吗？

39. #DeepSeekV4正式版上线# 据 DeepSeek 官方更新日志显示，本次发布的 DeepSeek-V4-Flash-0731 在模型结构与尺寸上与此前预览版（DeepSeek-V4-Flash-preview）保持一致，主要进行了后训练（Post-Training）优化。怎么和谷歌一样，只搬 Flash 了，Pro 还在调整？不过说是这一版 Agent 能力大幅度增加。找了跑分排序了一下，估计 Flash 的 Agent 能力处在 GLM 5.2 和 Kimi K3 之间。。。这么强？

40. 雷军总又偷偷摸摸干了件大事儿，小米大模型全球调用量拿下第一，超越Deepseek、腾讯、智谱和所有美国模型，这后来居上的速度真可以。由此可见，顶级技术人才到了小米，都能展现出爆发式力量，造车的这样，做AI的也是，小米的企业管理牛#小米大模型调用量全球第一#

41. V4与K3同周发布：国产大模型正式进入“性能过剩、成本决胜”

42. 23倍价差：Kimi K3和DeepSeek V4，代表了AI的两种未来

43. 实测K3-DeepSeek写代码！K3花9元没做完，DeepSeek0.6元2分钟搞定

44. Kimi K3成国产开放模型新标杆，DeepSeek-V4把价格打到1/50：企业该怎么选？

45. 实测：Workbuddy 同样任务，Kimi K3 比 DeepSeek V4 Pro 贵了 66.9 倍

46. Kimi K3 vs DeepSeek V4：国产大模型双雄对决，2026开发者该选谁？

47. DeepSeekV4Pro价格只有KimiK3的十分之一，写代码时谁更少返工才是真输赢

48. 一个堆到 2.8 万亿参数，一个把长上下文开销砍到脚脖子——Kimi K3 和 DeepSeek V4 到底在争什么？

49. DeepSeek V4、Kimi K3、Opus 5扎堆亮剑，谁在改写AI游戏规则？

50. DeepSeek V4正式版7月20日上线：SWE-bench 80.6%和Codeforces 3206分双双登顶开源，7月24日旧API强制退场，Kimi K3今日同步完整开源

51. 《Kimi K3 vs DeepSeek V4 Pro国产AI巨头的技术巅峰对决与生态博弈》

52. Kimi K3与DeepSeek-V3正面交锋：国产大模型，谁才是真正的“六边形战士”？

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！