Kimi K3 对比 GPT-5.5 和 Opus 4.8（2026）：更便宜的同级选手

TL;DR。 Artificial Analysis 把 Kimi K3 的综合智能水平与 GPT-5.5 和 Claude Opus 4.8 放在同一档，而在它的 GDPval v2 智能体评测上，K3（1668 Elo）实际得分高于 Opus 4.8（1600）和 GPT-5.5（1494）。只有 Claude Fable 5 和 GPT-5.6 Sol 明显位居其上。K3 做到这一点还更便宜：moonshotai/kimi-k3 在 ofox 上每百万 $3/$15，而 GPT-5.5 是 $5/$30，Opus 4.8 是 $5/$25；在 AA 的每任务成本口径上，K3 约为 $0.94，大约是 Opus 4.8 的 $1.80 的一半。所以如果你之前在为 GPT-5.5 或 Opus 级别的工作支付前沿价格，K3 就是那个每 token 更便宜、每完成一个任务约为 Opus 一半价格的同级选手。只有当你需要榜单最顶端时，才去买 GPT-5.6 Sol 或 Fable 5。下面是全部规格、按来源分列的跑分，以及在同一个端点上对这三者做 A/B 的代码。

TL;DR：你该选哪个？

一句话结论：对上 GPT-5.5 和 Opus 4.8，K3 是性价比之选，智能持平却在智能体任务上以更少的钱胜过它们。只有为最顶端（GPT-5.6 Sol、Fable 5）或某个特定生态时才多花钱。

值得内化的重新框定：K3 并不是在追逐第一名的模型。它是把自己稳稳落在上一轮的前沿（GPT-5.5）和当前 Claude 旗舰（Opus 4.8）同一水平，同时收费比两者都低。

把前两行合起来看。在 GPT-5.5 和 Opus 4.8 所处的智能体和编码工作水平上，K3 既在相关跑分上最强，又最便宜。这两行就是整篇文章。

flowchart TD
    A[Task needs frontier-ish quality] --> B{Need the absolute top of the board?}
    B -->|Yes| C[GPT-5.6 Sol or Claude Fable 5]
    B -->|No| D{Locked into the Anthropic ecosystem?}
    D -->|Yes| E[Claude Opus 4.8<br/>anthropic/claude-opus-4.8]
    D -->|No| F{Budget-first, text-only coding?}
    F -->|Yes| G[Kimi K2.7 Code<br/>moonshotai/kimi-k2.7-code]
    F -->|No| H[Kimi K3<br/>moonshotai/kimi-k3<br/>peer intelligence, lower cost]

规格速览对比

价格于 July 17 2026 在 ofox 目录上核实，按每百万 tokens 计。三款旗舰都接受图像输入；K3 的上下文窗口（1M）是它的亮点。

从上到下读价格行。在输入、输出、缓存每一行上，K3 都是三款前沿级模型里最便宜的，而 Artificial Analysis 把它的智能评为与另外两款同一档。K2.7 Code 在表里是预算参照：便宜得多，但只支持文本且是更小的模型，所以它属于另一个层级的决策（它自己的章节在后面）。

Kimi K3 到底是什么

Moonshot 把 K3 描述为首个开放的 3T 级模型。其架构是一个 2.8 万亿参数的 Mixture-of-Experts，他们称之为 Stable LatentMoE，每个 token 从 896 个专家中激活 16 个，注意力栈把 Kimi Delta Attention（KDA）与一种 AttnRes 残差方案配对使用。这使它比在开放权重上与之竞争的模型大得多（GLM-5.2 是 753B，DeepSeek V4 Pro 是 1.6T）。实用层面的要点更简单：1M token 上下文、原生图像输入，以及内置的思考。

思考行为与当前 Kimi 系列的其余部分一致，推理内容通过一个 reasoning_content 字段暴露。发布时 K3 默认以最大思考强度运行，Moonshot 表示低强度和高强度模式将在后续更新中推出，所以目前思考强度还不是一个你能调低的旋钮。推理 tokens 按输出计费 $15/M，所以一次冗长的最大思考运行成本更高，而今天你只能通过提示词和输出范围来管理它，而非用强度开关。Artificial Analysis 测到一个不错的副作用：K3 完成它们的指数所用的输出 tokens 比 K2.6 少了约 21%，所以即便得分更高，它也比上一代更省 token。

在 ofox 上，K3 在 OpenAI 兼容端点上是 moonshotai/kimi-k3，OpenAI 协议路径直接可用。如果你改走 Anthropic 兼容路径调用它，思考参数不会被强制开启，这是相对 K2.7 的一个行为变化。开放权重尚未放出；Moonshot 承诺在 July 27 2026 前发布，发布公告里没有说明许可证。目前，K3 是一个 API 模型。

K3 与 GPT-5.5 和 Opus 4.8 怎么比：三种读法

跨模型对比是大多数文章耍花招的地方，把不同实验室、在不同测试框架上跑出的数字拉到一起。本节让每种读法只对应单一来源，好让对比诚实。

读法 1：综合智能（Artificial Analysis 指数）

Artificial Analysis Intelligence Index 把众多基准折成一个数字，使来自不同厂商的模型落在同一尺度上。K3 得分 57。Artificial Analysis 称这个智能水平与 Claude Opus 4.8 和 GPT-5.5 相当，落后于领跑榜单、逼近 60 和 59 的 Claude Fable 5 和 GPT-5.6 Sol。这是一个在 K3 于 July 2026 发布前后采集的滚动快照，所以把它当作一个带日期的排序，而非固定分数。简短说：K3 在综合智能上已追上 GPT-5.5 和 Opus 4.8，还没追上最顶端。

读法 2：智能体任务（AA GDPval v2）

综合智能低估了 K3 在人们实际自动化的工作上的表现。在 Artificial Analysis 的 GDPval v2 智能体评测上（全部在同一框架上运行），K3 排在 Opus 4.8 和 GPT-5.5 之上，只有 Claude Fable 5 和 GPT-5.6 Sol 更高。

这是一个实打实的结果，不是包装话术：在智能体工具调用和多步骤工作上，K3 的跑分超过本文拿来对比的这两款模型。GDPval v2 评的是真实、具经济价值的任务而非琐碎知识，所以这里的领先能映射到编码或运维智能体实际要做的那类工作。K3 还在 AA 的 AutomationBench（他们对 Zapier 智能体 SaaS 工作流评测的实现）上位居榜首，并在 AA-Briefcase（一个私有的长周期知识工作评测）上达到 1547，仅次于 Fable 5，比 Kimi K2.6 高出 732 分。三个不同的智能体测试，同一幅图景：K3 在每一项上都处于或接近顶端，而且是与它一同跻身高位的模型里最便宜的那个，遥遥领先。

为什么一个偏开放的 Kimi 能在智能体工作上领先两款闭源前沿模型，却在综合指数上与它们持平？因为智能体评测奖励的是规划、工具调用，以及在许多步骤里都不偏题的能力，而 K3 默认的最大思考预算加上它的 token 效率，恰恰是为此调优的。GPT-5.5 和 Opus 4.8 是强大的通用模型，但两者都不像这一代 Kimi 那样，是为了登顶自主智能体排行榜而打造的。如果你的用例是单次提示，那该信的读法是综合指数（三者在那里相当）。如果是一个跑很多轮的智能体，那就是 GDPval，而 K3 赢下它。

读法 3：每任务成本（Artificial Analysis）

按 token 计价对 K3 稍有美化，因为一个推理更多的模型每个任务可能烧掉更多 token。所以更公平的金钱读法是每任务成本，Artificial Analysis 在其整个指数上都测这个。这里即便把 token 用量算进去，K3 仍然便宜。

K3 落在每任务约 $0.94，大致与 GPT-5.5 的 $0.99（来自 AA 的 June v4.1 快照）和 GPT-5.6 Sol 的 $1.04 持平，约为 Opus 4.8 的 $1.80 的一半。注意这两种金钱读法对 GPT-5.x 系列会分岔：按 token 算 K3 明显更便宜（$3/$15 对 $5/$30），但按任务算它与 GPT-5.5 大致持平，因为 GPT-5.5 每个任务过的 token 更少。对上 Opus 4.8，K3 在两种读法上都更便宜。干净的结论：在智能相当的前提下 K3 比 Opus 4.8 便宜得多，比 GPT-5.x 旗舰每 token 更便宜，而把 token 用量算进去后与 GPT-5.5 大致打平。

决策前有一条纪律提醒。上面三张表各来自单一来源，而本文后面 Moonshot 自报的跑分是另一套体系。不要把 K3 的 Moonshot GPQA 分数与来自另一测试框架的 GPT-5.5 或 Opus 数字拉到一起，就管这叫正面对决。AA 的这几种读法才是这些模型落在可比尺度上的地方。

各自适合什么时候选

对上 GPT-5.5 和 Opus 4.8，这个决定是每美元能力加上生态：

• 选 Kimi K3 用于接近前沿质量的智能体和编码工作。它在综合智能上与 GPT-5.5 和 Opus 4.8 持平，在 AA 的智能体评测上胜过它们，成本比两者都低，还带 1M 上下文、视觉，以及即将到来的开放权重。它是三者中默认的性价比之选。
• 选 Claude Opus 4.8 当你已经在 Anthropic 生态里，或者想要它特定的行为和工具链。Artificial Analysis 把它的智能评为与 K3 同档，而它的每任务成本大约是两倍，所以你付的是生态的钱，不是能力差距的钱。
• 选 GPT-5.5 当你想要 OpenAI 那个广泛、被充分理解的通用模型以及周边工具链。它是个扎实的全能手，但 K3 与它智能持平、在智能体 Elo 上胜过它、价格还更低，所以选它的理由是熟悉度和技术栈，不是纯粹的性价比。
• 升级到 GPT-5.6 Sol 或 Fable 5 当任务确实需要榜单顶端。这些是 K3 在智能指数上仍落后的模型。那种最后几分会改变结果的硬推理，才是值得多花钱的情况。外部报道对 K3 的框定也一样：The Decoder 认为它是在逼近闭源领跑者，而非超越它们。

如果出于政策或偏好 K3 不在你的选择范围内，而选择只是 GPT-5.5 对 Opus 4.8，那么两者在综合指数上接近，但因性格而分化。在 AA 的 GDPval v2 智能体评测上，Opus 4.8（1600）明显高于 GPT-5.5（1494），所以对工具调用和多步骤工作来说 Opus 是两者中更强的一个。价格上两者输入持平（各 $5/M），Opus 输出略便宜（$25 对 $30/M）。GPT-5.5 的优势在于 OpenAI 工具链的广度与成熟度，以及它在现有技术栈里行为的熟悉度。所以在这两者之间：智能体和重推理工作选 Opus 4.8，广泛且支持完善的通用场景选 GPT-5.5。而 K3 在这场对比里领先的原因，是它在智能上与两者持平，在智能体评测上胜过两者，成本还比两者都低。

月度账单：一个开发者，智能体编码

为了把价格差说具体，这里给一个单开发者按月运行重推理智能体、每月 20M 输入和 5M 输出 tokens 的按 token 月账单。

在相同流量下，K3 的账单约为 GPT-5.5 的 54%、Opus 4.8 的 60%。把它铺到一个五人开发团队上，相对 GPT-5.5 K3 每月省下约 $575，相对 Opus 4.8 省下约 $450，而这些工作 Artificial Analysis 评为智能相当、在智能体任务上更强。

更便宜的 Kimi：K2.7 Code

如果你的工作是纯文本编码而前沿是杀鸡用牛刀，那么相关对比就不是 GPT-5.5 或 Opus 4.8，而是一个更小的 Kimi。Kimi K2.7 Code（moonshotai/kimi-k2.7-code）是一个总参数 1T、激活 32B、纯文本、为代码调优的 MoE，价格为每百万 $0.95/$4，带 256K 上下文和一个 Modified MIT 开放权重许可证。它大约是 K3 价格的三分之一。

规则很简单。如果任务是有预算限制的纯文本编码，K2.7 Code 用零头的价格就能搞定，前沿的余量闲置不用。如果任务需要视觉、1M 上下文，或上面跑分里的智能体实力，K2.7 Code 够不着，你就得回到 K3。K2.7 Code 逐 token 的完整算账，包括它 30% 的思考 token 削减实际落到账单上哪里，见 K2.7 Code 成本拆解 和 K2.7 Code 对比 GLM-5.2 的每次运行成本。

K3 在 Moonshot 自家跑分上的位置

为完整起见，这里是厂商数字。每个数字都是 Moonshot 自报、在最大思考下跑出，来自 K3 官方发布公告。把它们当作方向，而非独立复现，也不要拿它们与上面 AA 的读法逐格对比，后者用的是不同的测试框架。

这些与第三方描绘一致：在科学推理（GPQA-Diamond）和网络研究智能体（BrowseComp）上强，与 AA 测到的智能体实力吻合。Moonshot 自己的公告很坦诚地说 K3 整体上仍落后于 Claude Fable 5 和 GPT-5.6 Sol，这也是为什么本文把它定位为 GPT-5.5 和 Opus 4.8 的更便宜同级选手，而非新的第一名。

在 ofox 上一起跑这三个：几行代码做 A/B

K3、GPT-5.5、Opus 4.8 都在同一个 OpenAI 兼容端点上，所以拿它们跑你自己的任务只需换一个字符串。把 SDK 指向 https://api.ofox.ai/v1，遍历这三个 model ID，读取 usage 就能对比真实 token 成本。在 Kimi K3 的 ofox 模型页 拿一个 key。

Python：一个循环里 A/B 这三个

from openai import OpenAI

client = OpenAI(base_url="https://api.ofox.ai/v1", api_key="YOUR_OFOX_KEY")

task = "Refactor this function to be async and add error handling:\n\n"
task += open("handler.py").read()

for model in ["moonshotai/kimi-k3", "openai/gpt-5.5", "anthropic/claude-opus-4.8"]:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": task}],
    )
    print(f"\n=== {model} ===")
    print(r.usage)   # compare tokens, then multiply by the specs-table prices
    print(r.choices[0].message.content)

Node：同样的写法

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.ofox.ai/v1",
  apiKey: process.env.OFOX_API_KEY,
});

const task = "Refactor this function to be async and add error handling:\n" + code;

for (const model of ["moonshotai/kimi-k3", "openai/gpt-5.5", "anthropic/claude-opus-4.8"]) {
  const r = await client.chat.completions.create({
    model,
    messages: [{ role: "user", content: task }],
  });
  console.log(`\n=== ${model} ===`);
  console.log(r.usage);
  console.log(r.choices[0].message.content);
}

附带一张截图（三者都接受图像）

三款旗舰都接受图像输入，所以一个视觉任务在任意一个上跑起来只需换 model 字符串。把图像作为 image_url 块发送。唯一会失败的模型是 moonshotai/kimi-k2.7-code，它是纯文本的。

import base64

with open("layout-bug.png", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

r = client.chat.completions.create(
    model="moonshotai/kimi-k3",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "This UI screenshot has a layout bug. What is wrong and how do I fix the CSS?"},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{b64}"}},
        ],
    }],
)
print(r.choices[0].message.content)

在你真实任务的一个有代表性的切片上跑第一个循环，把一天里的 usage 累加起来，再乘以规格表里的价格。这会给出针对你自己流量的实际 K3-对-GPT-5.5-对-Opus 差值，对你的具体工作负载而言，这比任何排行榜都靠谱。想要一张更宽的按任务分类的编码模型图谱，见 真实使用的编码模型排名 和 API 定价对比。

FAQ

Kimi K3 比 GPT-5.5 更好吗？ 在 Artificial Analysis 上，K3 的综合智能（57）被评为与 GPT-5.5 相当，而在 GDPval v2 智能体评测上 K3（1668）得分高于 GPT-5.5（1494）。K3 也更便宜：$3/$15 对 $5/$30。GPT-5.5 仍是强大的通用模型，但论性价比，对智能体和编码工作 K3 胜出。

Kimi K3 比 Claude Opus 4.8 更好吗？ Artificial Analysis 认为两者综合智能相当（K3 得分 57，是一个滚动快照），而在 GDPval v2 上 K3（1668）略胜 Opus 4.8（1600）。K3 更便宜，每 token $3/$15 对 $5/$25，每任务成本约为一半（AA 实测里是 $0.94 对 $1.80）。要 Anthropic 生态选 Opus 4.8，要相近智能而成本大约减半选 K3。

Kimi K3 在 ofox 上多少钱？ 输入 $3/M，输出 $15/M，缓存读取 $0.30/M。这低于 GPT-5.5 和 Opus 4.8，两者输入都是 $5/M。价格与 Moonshot 官方 API 一致，所以没有 ofox 加价。

K3、GPT-5.5、Opus 4.8 里哪个最适合智能体编码？ 在这三者中，AA 的 GDPval v2 智能体评测把 K3（1668）排在 Opus 4.8（1600）和 GPT-5.5（1494）之上。在整个榜单上更高的是 Claude Fable 5 和 GPT-5.6 Sol。K3 还在 AA 的 AutomationBench 上居首。就这三者的智能体编码而言，K3 跑分最好、成本最低。

Kimi K3 支持图像输入吗？ 支持，原生视觉输入，文本输出。GPT-5.5 和 Opus 4.8 也接受图像。Kimi K2.7 Code 是纯文本的，所以在它上面 image_url 调用会失败。

Kimi K3 是开源的吗？ Moonshot 宣布开放权重”在 July 27 2026 前”发布，并称 K3 是首个开放的 3T 级模型。截至撰稿时权重尚未放出、许可证也未说明，所以目前你通过托管 API 使用 K3。一旦发布，它将在 AA 指数上领跑开放权重模型，领先于 GLM-5.2 和 DeepSeek V4 Pro。

Kimi K3 有多大？ 总参数 2.8T，一个每 token 从 896 个专家中激活 16 个的 Mixture-of-Experts，带 1M token 上下文和原生视觉。比 GLM-5.2（753B）或 DeepSeek V4 Pro（1.6T）大得多。

Kimi K3 在 ofox 上的 model ID 是什么？ 在 https://api.ofox.ai/v1 的 OpenAI 兼容端点上是 moonshotai/kimi-k3。GPT-5.5 是 openai/gpt-5.5，Opus 4.8 是 anthropic/claude-opus-4.8，所以你只需换一个字符串就能对三者做 A/B。

本次更新核对过的来源

• Kimi K3 官方发布公告
• Artificial Analysis: Kimi K3
• ofox 模型页：Kimi K3
• ofox 模型页：GPT-5.5
• ofox 模型页：Claude Opus 4.8
• ofox 模型页：Kimi K2.7 Code
• The Decoder: Kimi K3 逼近 GPT-5.6 Sol 和 Fable 5
• Moonshot API 定价