Nam
亞洲 AI 市場逐漸變成三方競賽的編輯插畫。圖片為本文生成，並非市場佔有率地圖。
Kimi K3 最值得留意的，不是它「打贏 GPT」或者「打贏 Claude」。它沒有——至少不是全面勝出，而 Moonshot AI 自己也沒有這樣聲稱。
真正有趣的是：它可能根本不需要全面勝出。
Kimi K3 在 2026 年 7 月 16 日推出。它的能力已經貼近前沿，價格足以改變採購討論，開放程度足以讓它成為基建，而產品又相當貼近我在香港與倫敦之間每天遇到的中英雙語、文件密集型工作。對亞洲市場來說，這個組合可能比某一項 benchmark 贏幾分更重要。
我的論點不是 Kimi 已經贏了亞洲。亞洲從來不是單一市場，而 Kimi 甚至不是中國最大型的 AI app。我的意思是：K3 已經具備條件，在未成為全球第一模型之前，先贏得區內一個很有份量的位置。
目錄
展開目錄
先看誠實版成績表
Moonshot 稱 K3 為旗下最強模型：一個 2.8 萬億參數的 mixture-of-experts 模型，896 個 experts 裡每次啟用 16 個，原生支援視覺，context window 達 100 萬 tokens。公司預告完整模型權重會在 7 月 27 日公開。這些數字非常進取，但參數量本身不是產品成果。
更重要的一句，其實寫在 Moonshot 自己的 Kimi K3 發佈文章 開頭：整體表現仍然落後於 Claude Fable 5 和 GPT-5.6 Sol。文章後段亦承認，K3 的使用者體驗與兩者仍有明顯差距。
這份坦白很重要。K3 不需要我們替它虛構一場還未贏到的勝仗。
它在 coding、agentic 工作、長 context 研究、試算表、視覺推理和幾項專門工程測試中，的確做出前沿級成績。不過 benchmark 的註腳跟柱狀圖一樣重要：不同模型用了不同 agent harness；部分數據來自內部評估；而「最大推理力度」亦不等於日常快速對話的產品體驗。
Benchmark 是證據，不是採購決定。它只告訴你模型在某一套 harness、prompt、budget 和評分方法下做過甚麼，卻不會告訴你它能否處理你的廣東話英文客服 ticket、300 頁董事會文件，或者 production repository。要測，就測你真正要做的工作。
價差是真的，但不只是「中國 AI 比較平」
推出當日，三個前沿模型每 100 萬 tokens 的官方 API 價格如下：
| 前沿模型 | 未命中快取輸入 | 命中快取輸入 | 輸出 |
|---|---|---|---|
| Kimi K3 | $3.00 | $0.30 | $15.00 |
| GPT-5.6 Sol | $5.00 | $0.50 | $30.00 |
| Claude Fable 5 | $10.00 | $1.00 | $50.00 |
資料來源：Kimi K3 發佈與定價、GPT-5.6 Sol 模型頁、Claude Fable 5 模型頁。
K3 的輸出價是 GPT-5.6 Sol 的一半，比 Claude Fable 5 低 70%。對 agent 來說，這差距很實際，因為 agent 會產生大量中間文字，同一工作亦可能重試幾次。
但 K3 已經不是「平價入門模型」。它的未快取輸入比 GPT-5.6 Terra 更貴，而輸出價跟 Terra 一樣；OpenAI 亦有更便宜的 Luna。只比較三個旗艦型號，會隱藏正常團隊本來就應該做的 routing 選擇。
真正要算的不是每 token 成本，而是每個獲接納成果的成本：
- 一項工作要試幾次才成功？
- 人要花多少時間覆核？
- 模型有多常自行做了意料之外的決定？
- 較小模型是否已能處理八成工作？
- 你的 workload 是否真的能命中快取？
Moonshot 表示官方 API 在 coding 工作中，cache hit rate 超過 90%。這很吸引——但仍然是供應商提供的數字，應該由你自己的 logs 再驗證。
模型只是系統中心；distribution、經濟效益、語言契合與 workflow 整合，才決定使用者會否留下。AI 生成編輯圖片。
為甚麼 K3 可能特別適合亞洲
一、它是一整套產品，不只是一個 API demo
K3 同時進入 Kimi app 和網站、Kimi Work、Kimi Code 與 API。整套助手已涵蓋文件、試算表、簡報、網站、研究、coding 和 multi-agent 工作。手機端包括 iOS、Android 和 HarmonyOS；Kimi Work 則支援 Windows 與 Apple silicon Mac。
這種 distribution 在亞洲很重要。很多公司所謂「買 AI」，實際上要解決的是手機、desktop、office 文件、訊息和 developer workflow 混在一起的一團亂，而不是在排行榜揀一個模型名稱。
二、中文優先是真優勢，但不等於「通殺亞洲」
Kimi 從全球最大的中文市場出發，天生比較貼近本地語言與文化。對要在簡體中文、繁體中文和英文之間來回工作的團隊，這可能減少大量 prompt 轉彎和編輯修正——而這些隱形工序，正正會令一個表面便宜的模型變貴。
但要說清楚：中國不等於亞洲。日文、韓文、泰文、越南文、印尼文、印地語，以及區內大量混合語言商業場景，全部都要分開測試。中文體驗好，令 Kimi 有一個灘頭堡；不代表整個亞洲自動屬於它。
三、開放權重改變「誰擁有整套 stack」
Moonshot 預告 7 月 27 日公開 K3 完整權重。如果屆時的 licence、文件與 inference 支援都實用，區內雲端供應商、大學、政府和受監管企業，就能以 closed frontier API 做不到的方式適配或部署它。
這對我們 Wistkey 所做的 private、on-premises AI 很有意義。但它不代表一般公司應該自行架設 2.8T 模型：Moonshot 建議用 64 個或以上 accelerators 的 supernode 配置。現實價值在於更廣的 serving ecosystem、distilled variants、專門部署和更大的議價能力，而不是每間辦公室突然多一個巨型機櫃。
四、使用模式正在變深
Moonshot 表示 Kimi 每月有數千萬專業使用者。中國獨立研究機構 QuestMobile 則指出，2026 年 6 月有 26.1% Kimi 使用者單次使用超過十分鐘，按年增加 8.4 個百分點。這不等於亞洲市場領導地位，卻顯示 Kimi 正由新奇 chat box 變成真正的工作介面。
同一份 QuestMobile 報告 亦說得很清楚：流量正集中到最大型的 AI-native apps，而豆包與 DeepSeek 主導了不少市場節奏。Kimi 有 momentum，但它仍然在搶市場，不是已經捧盃。
GPT 與 Claude 仍然領先的地方
美國領先者沒有停下來。GPT-5.6 Sol 的 context window 稍大，達 105 萬 tokens，全球 API 與 tools 平台已相當成熟，而且擁有 Moonshot 自己也承認 K3 尚未做到的完整產品質感。Claude Fable 5 很貴，但它專為高難度、長時間的知識與 coding 工作而設，而 Anthropic 已累積多年 developer 團隊信任。
企業採購還要問很多 benchmark 回答不到的問題：
- 地區供應與 latency；
- data retention、audit controls 與合約條款；
- security certifications 與事故應變；
- 模型穩定性與版本鎖定；
- ecosystem 支援與團隊熟悉程度；
- 地緣政治與供應鏈風險。
開放的中國模型可以減少一種依賴，同時增加另一種。美國 API 對某個受監管買家最方便，對另一個卻可能完全不可用。世上沒有中立供應商，只有你量度過的風險，以及你沒有留意的風險。
策略上的勝利，不是把所有 GPT 或 Claude workload 一口氣搬去 Kimi，而是設計一個 model portfolio，令任何單一供應商的 outage、加價、政策或地區限制，都不能停掉你的業務。
真正有用的比較，要用你自己的工作、覆核者、語言和失敗成本，而不是排行榜截圖。AI 生成編輯照片。
我會怎樣在真實亞洲企業測試 K3
我不會由全公司搬遷開始。我會做一個兩星期 bake-off，準備 30 至 50 項具代表性的任務，盡量隱藏模型名稱，再把 K3 與現有模型比較。
任務分四類：
- **雙語知識工作：**英文、繁體中文、簡體中文，以及多種語言混合的 source pack。
- **長文件：**合約、標書、董事會材料、研究報告和大量試算表分析。
- **Agentic delivery：**一項範圍清楚的 coding 改動或文件 workflow，配合明確權限與 acceptance tests。
- **本地判斷：**香港、中國內地、東南亞或行業專門語言——單純「文法流利」並不足夠。
評分要包括成果接納率、覆核分鐘、latency、總 tokens、重試次數、tool errors，以及任何超出 brief 的行動，最後計算每項獲接納工作的成本。
我亦會刻意要求模型在缺乏證據時明說。不自然的文字可以修改；自信地虛構本地細節，危險得多。
上 production 時，按風險 routing：
- 分類與 formatting 交給便宜模型；
- 長 context、雙語工作或開放部署有優勢時用 K3；
- GPT 或 Claude 在你測試中判斷、tooling 或企業控制較好，就繼續用它們；
- 任何有後果的操作，無論用哪個模型都要有人把關。
我的判斷：Kimi 不做第一，也可以贏
K3 對 GPT 和 Claude 真正的威脅，不是「看，這一條 benchmark 柱高一點」，而是另一種完整方案：足夠接近前沿的智能，加上一套可以直接工作的產品，再用價格與部署模式，讓亞洲買家多一個可信的重心。
這足以逼 API 減價、加快 open-model 基建、改善中文產品，並令 multi-model architecture 變成常態。就算最難任務仍由 GPT-5.6 Sol 或 Claude Fable 5 做得更好，這些一樣是改變市場的成果。
所以，我今天不會寫「Kimi 已經贏了亞洲」。證據未到。
我會寫一句更有用的：Kimi K3 已經令亞洲 AI 市場變成真正可以競爭，而最後勝出的，可能是最貼合工作的一方，不是最懂得贏 headline 的模型。
正在為雙語或 private AI workflow 測試 Kimi、GPT 與 Claude？我很樂意一起比較架構和評估方法——電郵我。
如果這篇文章令你暫時放下 benchmark 競賽，可以在 Medium 追蹤我、訂閱或收藏 nam-ai.uk 看新文章，亦歡迎在 LinkedIn 連繫我——隨時交流 production 裡真正有用的做法。