KimiK3比旧版读文件更省心吗？
Frontend Code Arena的排行榜上，Kimi从K2.6的第18名直接跳到K3的第1名，1679分，力压Fable 5和GPT-5.6 Sol。这个跨度说实话挺离谱的。但跑分是一回事，自己用起来是另一回事。我让它读一个Git仓库，大概40个文件的中型项目，先通读整体架构再找一处权限校验的bug。K2.6时代这种任务基本要靠多次对话拼接，它读完前面忘后面，你问它第五个文件里某个函数跟第一个文件的接口是什么关系，它就开始编。K3换了Attention Residuals的架构，每层可以选择性地从早期层拉信息，不是把所有东西硬塞进一条残差路径。实际效果是它真记住了前面读过的内容，我隔了十几轮对话之后回头问之前文件的细节，它还能准确引用。这对我管三个开发团队来说省心太多了，不用再自己维护一个"模型记忆了什么"的心理模型。代价是贵了。K3输出定价是K2.7 Code的四倍，100元每百万token，而且默认max思考强度，推理token算在输出里，评测时它的输出量是同级模型的两倍多。读文件确实省心了，账单也确实不太省心。
发布于 福建
分享
评论
赞
未登录
友善发言
评论
加载中
