超 GPT-5.6 Sol：月之暗面 Kimi K3 模型 AI 智能体知识工作跑分仅次于 Claude Fable 5

模拟真实办公：AA-Briefcase跑分揭晓，K3超越GPT-5.6 Sol

独立AI评测机构Artificial Analysis于7月22日更新了AA-Briefcase基准测试，该测试专为评估AI在长周期、高复杂度真实业务中的表现而设计。它模拟企业真实且混乱的办公环境，要求AI处理海量碎片化上下文——包括25000+条Slack消息、3500+封电子邮件、会议纪要和财务报表，并最终生成Excel财务模型、董事会汇报PPT等实际商务交付物。在这个“智能体知识工作”的硬核考场中，Kimi K3模型斩获1543分，不仅大幅超越自身上一代K2.6的816分，更以明显优势超过GPT-5.6 Sol（最高1501分），仅次于Claude Fable 5的1574分。这一成绩意味着K3在数据科学、产品管理、企业战略等场景中的综合交付能力已达到全球顶尖水平。

2.8万亿参数加持：K3在编程与智能体领域全面开花

Kimi K3由月之暗面于7月16日正式上线，拥有2.8万亿参数和100万Tokens的默认上下文窗口，是全球首个接近3万亿级别的开源模型。在多项权威基准测试中，K3展现了全面碾压的实力：

• 前端代码竞技场（Frontend Code Arena）：K3以1679分超越Claude Fable 5（1631分）和GPT-5.6 Sol（1618分）登顶，在品牌营销、数据分析等七个前端领域中的六个位居第一。
• 终端代码生成与调试（Terminal Bench 2.1）：K3拿下88.3分，与榜首GPT-5.6 Sol仅差0.5分，超越Opus 4.8和Fable 5。
• 极限编码挑战（SWE Marathon）：K3以42.0分领跑全场，远超Fable 5的35.0分。
• 表格处理智能体（SpreadsheetBench 2）：K3以34.8分拿下全场第一。
• 网页深度调研（BrowseComp）：K3以91.2分超越Fable 5的88.0和GPT-5.6 Sol的90.4，证明其在复杂信息检索与整合方面的能力。

成本仅为对手三分之一：开源旗舰的性价比冲击

在性能逼近顶尖闭源模型的同时，Kimi K3在成本上展现出惊人的优势。其API定价为：每100万Tokens输入费用（缓存命中）2元，未命中20元，输出费用100元。折算后，K3的单任务成本约0.94美元，与GPT-5.6 Sol的1.04美元接近，但仅为Claude Opus 4.8（1.80美元）的一半左右。更值得注意的是，K3完全开源，任何团队均可部署使用。据近期报道，微软正在内部测试Kimi K3模型，评估将其部分接入Copilot AI助手的可行性，以降低推理成本。特斯拉CEO埃隆·马斯克也在官方动态下留言“Impressive（令人印象深刻）”。K3的发布不仅刷新了开源模型的性能天花板，更以“顶级性能+极低价格”的组合拳，对闭源模型市场构成直接冲击。