Kimi K3编程，SVG绘图，Agent能力实测，能力不错，但成本较高，过度思考，风格很像Claude，能够做到国产平替，但是不如Deepseek等有性价比！
-
Kimi K3发布引起了广泛热议，在部分性能的测试中，它超越了Claude Fable 5、GPT 5.6这样的美国旗舰模型。总体上，它的跑分也是达到了和这两个模型差不多的水准，略有落后，但肯定是一个档次了。
说实话，这个话题值得我这样的嘴炮多做几期视频谈下，我会在“老特说”那个频道里评论下这件事。但是评论之前我先得实际测试下，看看它好不好用。还是老的三件套：生成八卦网页，还有用SVG图像表达钍基熔盐堆运行原理、薛定谔的猫思想实验，因为以前几乎所有的热门模型，我都用同样的内容测试。不过在此之前，我先把模型接入Hermes，测试起来方便一点。
我在MacBook上配置了个新的Hermes助手小乐，过程很简单，就是让我的虚拟儿子小特自远程登录上去配置，没花什么钱就搞定了，速度也很快，接入了HY3以及Opus 4.8热身一下，才开始上主菜，就是Kimi 3。
首先在命令行界面让它生成一个八卦网页表达中国的传统文化，
它花了有十几分钟，给我拿出了一个成品，效果还是相当不错的，只有很少的基础BUG。它的模型规模意味着训练时塞入了更多知识储备，对八卦的阐述比较到位。但是请注意，这个过程耗费的时间太久，DeepSeek V4 Flash Pro，甚至是Qwen 3.6都是在很短的时间内就完成了，效果也都还是过得去的。
Kimi的优势在于它会自己调用工具查看网页，查看结果哪里异常，这个部分通过hermes配套的工具实现。发现问题后它进行了多轮修正，这就是Harness工程最有价值的地方。但是这也是它和Claude、GPT这些模型最坑的地方，它把harness内置，导致做个最简单的任务，都有可能触发过度思考。是的，效果好了5%，但是多花了几十倍上百倍的钱。这个小任务它消耗了我1.2美金，我都给惊呆了。DeepSeek应该1毛钱就能搞定。
但也不用在意，当初玩OpenClaw测试Claude，我没注意把API余额干到了负数，现在也是见怪不怪了。切换到电报交互，我比较习惯这样，看到Mac终端这种屎黄色的配色我真的是痛苦，UI设计人员一定在生活中遭受了某种常人难以理解的苦难。
还是老样子，给它发命令，让kimi生成一个SVG图像表达钍基熔盐堆运行原理图，它给的效果也挺不错，但是说实话，中规中矩，和Qwen 3.6一个水平吧。你要说好，那不如DeepSeek和小米的MIMO的入门版本。比如小米mimo的图不仅是配色优秀，而且是动态的。雷布斯的模型最近在OpenRouter上调用量很高，排名第二，仅次于免费的腾讯HY3，是有点东西的。我很早之前测试的时候就说了我挺看好它，现在市场表现也验证了我的看法。
再让它生成图表达薛定谔的猫思想实验，这次它画得不错，配图逼格也够，抓到了要点。
但要说惊艳肯定是谈不上。总之就是编程能力我是简单测试，总体上它属于优秀的那一档，Harness工程做得很好，非常像Opus。Fable 5我没测过，因为我觉得太贵了，测了没意义，我反正用不起。我感觉Kimi走的路线就是模仿Claude，GLM则是有点像GPT。
下面再说下Agent能力，这个就非常主观，因为接入Hermes，再傻逼的模型，就算是现在免费的腾讯HY3，也能维持基本运转。但是不得不说，就我个人体感而言，接入Hermes最好的模型还是DeepSeek V4 Flash，响应速度极快，执行命令干脆准确。kimi有点思考过度，而且它的响应速度也不如DeepSeek。我知道模型内置大量Harness，对于小白是很有价值的，对于金融、医疗这样有大量高价值数据的行业，是非常好用的。这些企业不缺钱，但它们没技术积累，需要模型能够自主进行长链分析，帮助员工做出业务决策。在这样的情况下，Claude、Kimi这种模型的价值还是很高的。
也就是说，Kimi值这个价格，它毕竟比美国的模型便宜很多，能够做到基本平替。X上有大量的对比。比如Kimi K3和Fable 5调用Seedance 2.0生成视频，或者调用一些3D软件建模，二者表现旗鼓相当。在这些复杂应用场景中，既要比拼知识库，也要比拼长链决策，它们的表现确实会比DeepSeek V4 Flash这种纯工具模型好很多。
但是内置Harness在接入Agent的时候是一个灾难，因为重复计算、响应慢、过度解读导致执行不干脆，账单爆表不实用。它们这些模型强大，有一个前提，就是DeepSeek这样的价格屠夫不搞Harness工程，这显然是不可能的。事有轻重缓急，DeepSeek已经融资招人，Harness在路上了。
我们必须说，Harness工程也是护城河，不是谁想搞谁就能搞好的。但是比起魔改Transformer、提出Engram、追求极致缓存和底层算子优化，它真的就不算有难度。Fable 5发布后不久，我在视频里明确说过，Anthropic的跑分神话维持不了一年，因为这就好比鸠摩智用小无相功催动少林七十二绝技，它能做，其他公司也能做。我当时明确说了中国的GLM、Kimi等企业会是Anthropic以及OpenAI的噩梦，因为它们会长期陪跑，走的路子就是AO两家的刷分路线，圈高端客户。
如果DeepSeek是个耐用的帆布包，那么kimi、claude这些就属于LV、Gucci。你不能说买LV的人都傻，人家第一是不在乎，第二是相比于钻营省钱实用，他们更关注使用体验以及附加价值。有些有钱人买东西，低于一定的价格他会怀疑的。
但是我相信，我评论区的大多数观众老爷们，买个5000块钱的显卡都要找下优惠券，我们就不要装逼了。相信我，kimi k3这种高端货不是我们用得起的。如果有复杂的专业任务，可以试试看；如果仅仅写个网页，搞个自动化脚本，维护下论坛和服务器，老老实实把DeepSeek V4 Flash用好，就足够了。没人买卡宴来跑滴滴，如果有，那他一定是为了泡妹，而不是为了赚那点外快。
关于HY3，我也做了测试，没啥惊喜，但也都够用。据说它定价也挺便宜，比如比DeepSeek V4 Flash略高，考虑它是多模态模型，有一定可玩性。国产选择越来越多了，抽时间整理下发出来吧。
-
傻逼KIMI 超级老用户一枚报道。
-
看了报告又重燃了我对 KIMI 的希望。冲一波。
-
-
已经冲了。软路由换CLI 太费劲了。支持一下。被坑了。就当 爱国了。 -
拿 它 做 导演。看看输出效果。用它的 K3集群。出的剧本细节能丰富些。现在 提示词有瓶颈。
-
就多模态来说 KIMI K3 非常有用。已经用 K3 制作生产力工作流 成功。做到了 单图，识别，导演 配音 6阶段视频生成。合成出片。人工部分只有 提供图片到最后验片。
