--- title: "Kimi K3 企业评测：API 价格、数据合规与试点" canonical: https://wavect.io/zh/blog/kimi-k3-eu-api-production-review/ language: zh description: "面向欧洲企业的 Kimi K3 API 评测：价格、独立 benchmark、新加坡数据位置、GDPR 采购问题、迁移限制与两周试点清单。" image: "https://wavect.io/img/general/bak/open_graph_preview.jpg" --- [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 11 分钟 阅读 · 2026年7月19日 最近审核 2026年8月7日 [**下一篇**](/zh/blog/mesh-llm-distributed-inference-multiple-computers/) # Kimi K3 企业评测：API 价格、数据合规与试点清单 要点速览 Kimi K3 值得用于复杂编程与知识工作试点，但还不是欧洲企业的低风险生产默认模型。2.8 万亿参数稀疏模型每 token 激活 104B 参数，支持视觉与 100 万 token context；reasoning 始终开启，并提供 low、high、max effort。7 月 27 日发布的权重约 1.6 TB，现实的自托管起点是八张 B300 或 MI355X。Artificial Analysis 当前评分 60，速度 38.5 token/s，TTFT 3.14 秒。API 价格仍为每百万缓存输入 0.30 美元、未缓存输入 3 美元、输出 15 美元。采购风险仍在：API 帮助页承诺不训练，其他当前国际条款允许模型优化，隐私政策则说明新加坡存储。 相关服务: [AI 赋能](/zh/services/ai-enablement/) **Kimi K3 值得用于复杂编程和知识工作的可控 API 试点，但还不适合作为欧洲企业的低风险默认模型。**月之暗面的这款 2.8 万亿参数旗舰模型提供 100 万 token 上下文、原生视觉能力、很强的早期编程成绩，以及兼容 OpenAI SDK 的 API。官方价格是：每百万 cache-hit 输入 token 0.30 美元、未命中缓存的输入 3 美元、输出 15 美元。 真正的采购决策比 benchmark 标题复杂。K3 始终进行 reasoning，但 API 现已支持 `low`、`high` 和 `max` 三档 effort。独立评测显示它比同类中位数更慢、更冗长。公开文件对内容使用的表述并不完全一致，国际版隐私政策仍指向新加坡。完整权重、技术报告、许可证和部署配方已公开，自托管已可验证，但仍属于数据中心级工程。 本文信息核验于 **2026 年 8 月 7 日**。它回答一个明确问题：欧洲企业是否应该试点 Kimi K3 API 或自托管，以及进入生产前必须证明什么。更广的模型家族选择，请看我们的 [2026 开放权重 LLM 对比](/zh/blog/open-weight-llm-comparison-2026/) 。 | 问题 | 已核验答案 | 采购含义 | | --- | --- | --- | | API 上线了吗？ | 已上线，模型 ID 为 `kimi-k3`，地址为 `api.moonshot.ai/v1` | 可以立即开始技术评估 | | 价格是多少？ | 每百万 token：缓存输入 0.30 美元，未缓存输入 3 美元，输出 15 美元 | 输出与 reasoning 可能主导账单 | | 能力强吗？ | 当前 Artificial Analysis Intelligence Index 得分 60 | 足以进入试点，但不能证明适合你的任务 | | 国际用户的个人数据存在哪里？ | 公开隐私政策写明新加坡 | 欧洲买方需要记录跨境传输机制和完整数据流 | | API 内容用于训练吗？ | 当前帮助页说不用于训练；较早的公开条款允许更广的内容用途 | 必须把适用限制写入合同或订单 | | 今天能自托管吗？ | 可以，权重、报告、许可证和 vLLM/SGLang 配方已公开 | 需规划约 1.6 TB 权重和至少八卡级节点 | ## Kimi K3 是什么？ **Kimi K3 是月之暗面迄今最大的旗舰模型，面向长时编程、知识工作、多模态分析和深度推理。**官方 [技术发布文章](https://www.kimi.com/blog/kimi-k3) 公布了 2.8 万亿总参数、每个 token 激活 896 个 routed expert 中的 16 个、Stable LatentMoE、Kimi Delta Attention、Attention Residuals、原生视觉理解和最多 100 万 token 上下文。 2.8 万亿指总容量，每个 token 约激活 1040 亿参数。已发布 checkpoint 约 1.6 TB。vLLM 把 8 张 NVIDIA B300 或 8 张 AMD MI355X 作为最简单的单节点路径，更大配置用于提升 throughput。这仍是数据中心部署。 K3 已在 Kimi.com、Kimi Work、Kimi Code 与国际 API 上提供。 [官方 K3 API 指南](https://platform.kimi.ai/docs/guide/kimi-k3-quickstart) 记录了文本、图像和视频输入、流式输出、严格 JSON schema、tool call、动态工具加载，以及自动上下文缓存。它也明确列出几项生产限制： - thinking mode 始终开启， `reasoning_effort` 支持 `low` 、 `high` 和 `max` ； - temperature、top-p、penalty 与 `n` 都是固定值； - 多轮对话和工具调用必须原样传回完整 assistant message，包括 reasoning history； - 在已有 session 中途切换到 K3 可能导致质量不稳定； - 用户意图或边界不清时，K3 可能替用户做出过多决定； - 月之暗面自己也承认，整体用户体验仍落后于 Claude Fable 5 与 GPT-5.6 Sol。 ## Kimi K3 在独立评测中的表现如何？ **发布初期的独立证据表明：K3 接近 frontier 水平，视觉前端能力很强，但速度低于对照中位数，而且输出明显更长。**这比“最强模型”或“便宜的中国 AI”更适合采购判断。 | 信号 | K3 结果 | 能说明什么 | 不能证明什么 | | --- | --- | --- | --- | | Artificial Analysis Intelligence Index | 当前 v4.1.1 得分 60 | 综合能力接近 frontier | 你的领域准确率与生产可靠性 | | 输出速度 | 38.5 token/s，首 token 3.14 秒 | 可交互，但低于对照中位数 | 你的上下文长度和并发下的延迟 | | 输出量 | 整个指数生成 1.3 亿 token，对照中位数为 1 亿 | K3 比中位数更冗长 | 更多 token 一定创造同等业务价值 | | Frontend Code Arena | 发布快照中以 1679 分排名第一 | 人类对其前端结果偏好很强 | 后端正确性、安全、测试与可维护性 | [Artificial Analysis 的 Kimi K3 页面](https://artificialanalysis.ai/models/kimi-k3) 目前测得首 token 3.14 秒、输出 38.5 token/s。v4.1.1 得分为 60，评估花费约 2425 美元并产生 1.3 亿输出 token。实时页面会更新，所以数字应同时标注核验日期和 benchmark 版本。 前端结果有价值，因为它来自人类盲选。 [美联社也报道 K3 登上 Arena 前端编程排名首位](https://apnews.com/article/kimi-k3-china-ai-0d8a5e268deb11a673f4d444fc597cc5) 。但前端只是软件工程的一部分。漂亮界面仍可能包含不可访问的控件、脆弱状态、缺失测试、不安全依赖和虚构后端行为。 ## Kimi K3 API 的真实成本是多少？ **只有当 K3 的质量减少足够多的重试，而且 cache hit 保持较高时，它才算便宜。**官方定价为每百万未缓存输入 token 3 美元、缓存输入 0.30 美元、输出 15 美元。Reasoning token 计入输出，所以最终答案很短也可能产生不小的账单。 以下用一次输入 10 万 token、输出 2 万 token 的代码库任务做算术示例： | 缓存情况 | 输入成本 | 输出成本 | 单任务合计 | 1 万个任务 | | --- | --- | --- | --- | --- | | 没有 cache hit | 0.300 美元 | 0.300 美元 | 0.600 美元 | 6000 美元 | | 80% 输入命中缓存 | 0.084 美元 | 0.300 美元 | 0.384 美元 | 3840 美元 | | 90% 输入命中缓存 | 0.057 美元 | 0.300 美元 | 0.357 美元 | 3570 美元 | 这只是计算示例，不是预测。月之暗面称官方 API 在 coding workload 中能达到 90% 以上 cache hit，但长前缀必须保持稳定。代码库上下文、工具定义、系统指令或历史消息一旦变化，命中率就可能下降。应分别记录缓存输入、未缓存输入、reasoning 输出、重试、tool call 与人工修正时间。 正确的比较单位是**每个验收通过任务的成本**。如果 K3 以每次 0.40 美元完成 100 个任务中的 82 个，那么人工复核前，每个通过任务的模型成本约 0.49 美元。如果便宜模型只能完成 55 个，它的低单价可能并不划算。如果 Kimi K2.7 Code 能提供相同质量，它的输入 0.95 美元、输出 4 美元定价会更适合作为默认模型。只把困难尾部路由给 K3。 ## Kimi K3 符合 GDPR 吗？ **任何公开页面都不能让 Kimi K3 自动成为你公司的 GDPR 合规方案。**合规取决于你的角色、用例、个人数据、合同、跨境传输机制、子处理者、保留期、安全控制和集成方式。公开文件提供了一些积极证据，也留下了欧洲买方应在书面合同中关闭的问题。 积极证据很具体。Kimi 的 [API 数据安全帮助页](https://www.kimi.com/help/kimi-api/api-data-security) 称 API 输入与输出不会用于训练或改进模型，通信使用 HTTPS/TLS，不同用户的数据相互隔离，上传文件可以删除。2026 年 6 月 1 日生效的 [Kimi Business Supplement](https://www.kimi.com/user/agreement/business-service-agreement-overseas) 也写明，Business Customer Content 默认不用于训练，并提到 Data Processing Addendum 是协议的一部分。 未解决的证据同样重要： - 国际版 [OpenPlatform 隐私政策](https://platform.kimi.ai/docs/agreement/userprivacy) 写明个人信息存储在新加坡的安全服务器上，账户活跃期间可能保留账户、输入和支付信息。 - 公开 OpenPlatform 条款允许为提供、维护、开发、支持、改进、保护和执行服务而使用 Content。另一条又把模型训练限制交给单独的企业安排。 - 较新的帮助页和 Business Supplement 更严格，但采购团队不应猜测哪份文本适用于自己的 API 账户。 - 公开页面提到合规认证，却没有列出当前证书名称、范围、审计期间或可供买方检查的报告。 - 我们检查的公开材料未提供完整子处理者列表、各类 API 数据的固定保留期，也没有公开的 EU-only 处理区域。 新加坡位于 EEA 之外。 [欧盟委员会说明，标准合同条款可为向第三国传输个人数据提供保障](https://commission.europa.eu/law/law-topic/data-protection/international-dimension-data-protection/standard-contractual-clauses-scc_en) 。你的法务或数据保护负责人仍需确认实际机制、处理角色、Transfer Impact Assessment、子处理者、删除、审计权和事件条款。第一轮技术测试只用合成或公开数据。个人、机密、受监管或客户代码应在合同和数据流审查后再加入。本文是采购指引，不是法律意见。 ## 从 OpenAI 迁移到 Kimi K3 只需换 base URL 吗？ **不是。传输接口很熟悉，但 K3 的状态、参数、缓存和故障行为都需要专门集成。**首次调用只需 OpenAI SDK、`https://api.moonshot.ai/v1` 和 `kimi-k3`。生产迁移还要完成这些工作： 1. **保留完整 assistant message。** 多轮请求不能只保留可见 content，reasoning history 与 tool call 字段都要原样返回。 2. **切换模型时新开 session。** 不要在 Claude、GPT、GLM 或 Kimi K2 的旧对话中途换成 K3。 3. **删除不支持的调节参数。** 采样参数是固定的，当前 reasoning effort 只有 max。 4. **设计稳定前缀。** 持久系统指令、工具定义和代码库上下文应放在前面，提升自动缓存机会。 5. **约束 Agent 自主性。** 明确范围、审批点、工具权限、预算和停止条件。 6. **把容量当成产品风险。** 读取 rate-limit header，限制并发，用指数退避处理 429，并在上线前谈妥商业配额。 7. **测试安全过滤失败。** 测量合法代码、安全、法律与行业术语上的误拦截。 Kimi 的 [速率限制文档](https://www.kimi.com/help/kimi-api/api-rate-limits) 没有公布统一 RPM 或 TPM。具体层级取决于账户累计充值，可在控制台查看。对试点够用，对 SLA 不够。并发、区域、可用性、事件响应和支持通道都应写进商业订单。 ## 欧洲企业能自托管 Kimi K3 吗？ **可以。月之暗面已于 7 月 27 日发布权重、技术报告、model card、推理指南和 Kimi K3 许可证。**该许可证允许广泛商用，但过去连续 12 个月总收入超过 2000 万美元的 Model as a Service 企业需另行签约。超大规模商业产品还有 Kimi K3 显著标注要求。 实际门槛仍很高：约 1.6 TB checkpoint，官方单节点起点是 8 张 B300 或 8 张 MI355X，当前 Docker 镜像还依赖多个预发布组件。对很多企业，专业托管商或 API 仍更现实。请用我们的 [本地模型与 API 盈亏平衡框架](/zh/blog/local-models-vs-apis-break-even-eu-2026/) 核算许可、硬件、能源、运维、冗余和升级。 ## 哪些企业应该现在试点 Kimi K3？ 当任务复杂到值得最大 reasoning、长时编程或视觉知识工作是核心、稳定长前缀能产生 cache hit、首轮可以使用已批准数据、已有验收测试与 fallback，而且团队能接受早期产品变化时，K3 应进入 shortlist。 如果任务简单、延迟是主要产品承诺、长输出价值低、今天就需要 EU-only 处理区域、无法取得合适合同，或必须立即获得成熟自托管方案，就不要把 K3 设为默认模型。Kimi K2.7 Code、更小的 routed model，或已经通过采购的供应商可能有更低的单个成功任务成本。 ## 企业应如何运行两周 Kimi K3 试点？ 1. **第 1 天，定义决策。** 选一个工作流、一个现有模型、50 到 100 个代表性任务、硬性失败条件和一个 Owner。 2. **第 2 至 3 天，分类数据。** 删除密钥与个人数据，画出 prompt、文件、日志、tool output、支持访问、存储、备份和删除路径。 3. **第 3 至 5 天，构建适配器。** 保留完整 reasoning history，固定 model ID 和请求结构，记录缓存、token、延迟、重试、tool call 与过滤错误。 4. **第 6 至 8 天，盲测质量。** 让 K3 与现有模型处理相同任务，不显示模型名，评估正确性、指令遵循、代码质量、工具准确率和 reviewer 时间。 5. **第 9 至 10 天，测试故障。** 主动制造 429、超时、输出截断、工具故障、恶意仓库指令、模糊目标和中途取消。 6. **第 11 至 12 天，关闭采购问题。** 索取 DPA、跨境条款、子处理者、保留期、证书、事件 SLA、删除流程、支持和商业配额。 7. **第 13 至 14 天，按验收任务决策。** 比较成功率、straight-through completion、人工修正、P50/P95 延迟、cache hit、直接成本与总成本。 通过的试点必须在能支付迁移成本的关键指标上击败现有模型，同时不能打开新的合同、安全或可靠性缺口。Wavect 的 [AI 赋能服务](/zh/services/ai-enablement/) 覆盖模型评估、集成、护栏、可观测性与交接。我们的 [Twinsoft AI 案例](/zh/case-studies/twinsoft-ai/) 也说明，围绕模型的生产系统比模型名称更重要。 这一切之下其实是一次技术栈选择，我们的 [技术选型指南](/zh/software-development-guide/how-to-choose-a-tech-stack-for-mvp/) 写明了我们遵循的规则：按那些一旦选错就很难回头的约束来决定。对一个位于欧洲经济区之外的 API 来说，这个约束通常是数据传输机制和合同条款，而不是每百万 token 的价格。 ## Kimi K3 企业应用常见问题 ### Kimi K3 提供 API 吗？ 提供。国际端点是 api.moonshot.ai/v1，模型 ID 为 kimi-k3。它兼容 OpenAI Chat Completions，但 reasoning history、固定参数、缓存和工具行为仍需要 K3 专项测试。 ### Kimi K3 API 价格是多少？ 截至 2026 年 8 月 7 日，月之暗面的公开价格是每百万 cache-hit 输入 token 0.30 美元、未缓存输入 3 美元、输出 15 美元。Reasoning 按输出计费。 ### Kimi 会用 API 数据训练模型吗？ 当前 API 帮助页说不会，Business Supplement 也写明企业内容默认不用于训练。较早的公开条款允许更广的内容使用，所以企业买方应把适用限制明确写入合同。 ### Kimi 把国际 API 用户的数据存在哪里？ 国际版 OpenPlatform 隐私政策写明新加坡。在传送个人或机密数据前，应确认实际处理地点、子处理者、保留期和跨境传输机制。 ### Kimi K3 是开源还是开放权重？ Kimi K3 是开放权重模型。7 月 27 日起，权重、技术报告和推理指南在自定义 Kimi K3 许可证下公开。它允许广泛商用，但对大型 Model as a Service 供应商和超大产品有附加条件。 ### Kimi K3 编程能力比 Claude 或 GPT 强吗？ K3 在早期前端盲测快照中排名第一，在 Artificial Analysis 上也接近 frontier。月之暗面承认整体表现仍落后于 Claude Fable 5 和 GPT-5.6 Sol。应在你的代码库上用盲测决定。 ## 最终思考 Kimi K3 已进入试点 shortlist。100 万 token 上下文、视觉输入、强编程表现、公开权重和已记录的部署路径，使 API 和自托管都成为真实选项。 但它仍不应获得无条件生产批准。Reasoning 可能推高输出成本，独立评测认为它慢且冗长，rate limit 依赖账户，数据文件需要合同澄清，自托管起点约为 1.6 TB 加八张加速卡。请按验收任务测量，完成 DPA 与跨境条款，审查许可证，再由试点决策。 ## 你可能也喜欢.. [**欧盟 AI 供应商签约前的 45 项安全问题** 把 Kimi 的具体缺口转成训练、保留、区域、子处理者、事件、删除与退出方面的证据和合同审查。](/zh/blog/ai-vendor-security-questionnaire-eu/) [**AI 赋能与泛 AI 咨询对比** 比较有测量的生产实施与停留在幻灯片上的建议。](/zh/compare/ai-enablement-vs-generic-ai-consultancy/) 模型与基础设施 ## 继续浏览此集群 [从核心文章开始**在欧盟自托管 LLM：开放权重模型何时才真正划算**](/zh/blog/self-hosting-llms-eu-cost/) - [Gemini Robotics 2：全身控制与试点决策](/zh/blog/gemini-robotics-2-whole-body-control/) - [pdf-inspector 评测：先本地解析 PDF，再调用 OCR](/zh/blog/pdf-inspector-ocr-routing/) - [本地多模态 AI 编程助手：语音、OCR 与隐私架构](/zh/blog/local-multimodal-ai-coding-assistant/) - [一台 AI PC 本地运行 DeepSeek V4 Flash 0731，现实效果如何？](/zh/blog/deepseek-v4-flash-0731-local-ai-pc/) - [用 Unsloth 和 Colab 免费微调 Gemma 4](/zh/blog/fine-tune-gemma-4-free-unsloth-colab/) 只收重要内容 ## 关注与你相关的内容 每当我们发布新文章，你会收到一封简短邮件。你可以关注整个博客，也可以只选感兴趣的主题。 [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 11 分钟 阅读 · 2026年7月19日 最近审核 2026年8月7日 [**下一篇**](/zh/blog/mesh-llm-distributed-inference-multiple-computers/) 邮件订阅新文章 × × 通过邮件获取新文章 我们发布时给你一封简短邮件。免费，不做跟踪。 ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/zh/blog/kimi-k3-eu-api-production-review/#webpage", "@type": "WebPage", "dateModified": "2026-07-19", "inLanguage": "zh", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-07-19", "url": "https://wavect.io/zh/blog/kimi-k3-eu-api-production-review/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "Kimi K3 值得用于复杂编程与知识工作试点，但还不是欧洲企业的低风险生产默认模型。2.8 万亿参数稀疏模型每 token 激活 104B 参数，支持视觉与 100 万 token context；reasoning 始终开启，并提供 low、high、max effort。7 月 27 日发布的权重约 1.6 TB，现实的自托管起点是八张 B300 或 MI355X。Artificial Analysis 当前评分 60，速度 38.5 token/s，TTFT 3.14 秒。API 价格仍为每百万缓存输入 0.30 美元、未缓存输入 3 美元、输出 15 美元。采购风险仍在：API 帮助页承诺不训练，其他当前国际条款允许模型优化，隐私政策则说明新加坡存储。", "articleBody": " 博客概览/AI 与智能体/模型与基础设施 Kimi K3 企业评测：API 价格、数据合规与试点清单 要点速览 Kimi K3 值得用于复杂编程与知识工作试点，但还不是欧洲企业的低风险生产默认模型。2.8 万亿参数稀疏模型每 token 激活 104B 参数，支持视觉与 100 万 token context；reasoning 始终开启，并提供 low、high、max effort。7 月 27 日发布的权重约 1.6 TB，现实的自托管起点是八张 B300 或 MI355X。Artificial Analysis 当前评分 60，速度 38.5 token/s，TTFT 3.14 秒。API 价格仍为每百万缓存输入 0.30 美元、未缓存输入 3 美元、输出 15 美元。采购风险仍在：API 帮助页承诺不训练，其他当前国际条款允许模型优化，隐私政策则说明新加坡存储。 相关服务: AI 赋能 Kimi K3 值得用于复杂编程和知识工作的可控 API 试点，但还不适合作为欧洲企业的低风险默认模型。月之暗面的这款 2.8 万亿参数旗舰模型提供 100 万 token 上下文、原生视觉能力、很强的早期编程成绩，以及兼容 OpenAI SDK 的 API。官方价格是：每百万 cache-hit 输入 token 0.30 美元、未命中缓存的输入 3 美元、输出 15 美元。 真正的采购决策比 benchmark 标题复杂。K3 始终进行 reasoning，但 API 现已支持 low、high 和 max 三档 effort。独立评测显示它比同类中位数更慢、更冗长。公开文件对内容使用的表述并不完全一致，国际版隐私政策仍指向新加坡。完整权重、技术报告、许可证和部署配方已公开，自托管已可验证，但仍属于数据中心级工程。 本文信息核验于 2026 年 8 月 7 日。它回答一个明确问题：欧洲企业是否应该试点 Kimi K3 API 或自托管，以及进入生产前必须证明什么。更广的模型家族选择，请看我们的2026 开放权重 LLM 对比。 Kimi K3 采购摘要，核验于 2026 年 8 月 7 日 问题已核验答案采购含义 API 上线了吗？已上线，模型 ID 为 kimi-k3，地址为 api.moonshot.ai/v1可以立即开始技术评估 价格是多少？每百万 token：缓存输入 0.30 美元，未缓存输入 3 美元，输出 15 美元输出与 reasoning 可能主导账单 能力强吗？当前 Artificial Analysis Intelligence Index 得分 60足以进入试点，但不能证明适合你的任务 国际用户的个人数据存在哪里？公开隐私政策写明新加坡欧洲买方需要记录跨境传输机制和完整数据流 API 内容用于训练吗？当前帮助页说不用于训练；较早的公开条款允许更广的内容用途必须把适用限制写入合同或订单 今天能自托管吗？可以，权重、报告、许可证和 vLLM/SGLang 配方已公开需规划约 1.6 TB 权重和至少八卡级节点 Kimi K3 是什么？ Kimi K3 是月之暗面迄今最大的旗舰模型，面向长时编程、知识工作、多模态分析和深度推理。官方技术发布文章公布了 2.8 万亿总参数、每个 token 激活 896 个 routed expert 中的 16 个、Stable LatentMoE、Kimi Delta Attention、Attention Residuals、原生视觉理解和最多 100 万 token 上下文。 2.8 万亿指总容量，每个 token 约激活 1040 亿参数。已发布 checkpoint 约 1.6 TB。vLLM 把 8 张 NVIDIA B300 或 8 张 AMD MI355X 作为最简单的单节点路径，更大配置用于提升 throughput。这仍是数据中心部署。 K3 已在 Kimi.com、Kimi Work、Kimi Code 与国际 API 上提供。官方 K3 API 指南记录了文本、图像和视频输入、流式输出、严格 JSON schema、tool call、动态工具加载，以及自动上下文缓存。它也明确列出几项生产限制： thinking mode 始终开启，reasoning_effort 支持 low、high 和 max； temperature、top-p、penalty 与 n 都是固定值； 多轮对话和工具调用必须原样传回完整 assistant message，包括 reasoning history； 在已有 session 中途切换到 K3 可能导致质量不稳定； 用户意图或边界不清时，K3 可能替用户做出过多决定； 月之暗面自己也承认，整体用户体验仍落后于 Claude Fable 5 与 GPT-5.6 Sol。 Kimi K3 在独立评测中的表现如何？ 发布初期的独立证据表明：K3 接近 frontier 水平，视觉前端能力很强，但速度低于对照中位数，而且输出明显更长。这比“最强模型”或“便宜的中国 AI”更适合采购判断。 独立 Kimi K3 证据，核验于 2026 年 8 月 7 日 信号K3 结果能说明什么不能证明什么 Artificial Analysis Intelligence Index当前 v4.1.1 得分 60综合能力接近 frontier你的领域准确率与生产可靠性 输出速度38.5 token/s，首 token 3.14 秒可交互，但低于对照中位数你的上下文长度和并发下的延迟 输出量整个指数生成 1.3 亿 token，对照中位数为 1 亿K3 比中位数更冗长更多 token 一定创造同等业务价值 Frontend Code Arena发布快照中以 1679 分排名第一人类对其前端结果偏好很强后端正确性、安全、测试与可维护性 Artificial Analysis 的 Kimi K3 页面目前测得首 token 3.14 秒、输出 38.5 token/s。v4.1.1 得分为 60，评估花费约 2425 美元并产生 1.3 亿输出 token。实时页面会更新，所以数字应同时标注核验日期和 benchmark 版本。 前端结果有价值，因为它来自人类盲选。美联社也报道 K3 登上 Arena 前端编程排名首位。但前端只是软件工程的一部分。漂亮界面仍可能包含不可访问的控件、脆弱状态、缺失测试、不安全依赖和虚构后端行为。 Kimi K3 API 的真实成本是多少？ 只有当 K3 的质量减少足够多的重试，而且 cache hit 保持较高时，它才算便宜。官方定价为每百万未缓存输入 token 3 美元、缓存输入 0.30 美元、输出 15 美元。Reasoning token 计入输出，所以最终答案很短也可能产生不小的账单。 以下用一次输入 10 万 token、输出 2 万 token 的代码库任务做算术示例： Kimi K3 单任务成本示例 缓存情况输入成本输出成本单任务合计1 万个任务 没有 cache hit0.300 美元0.300 美元0.600 美元6000 美元 80% 输入命中缓存0.084 美元0.300 美元0.384 美元3840 美元 90% 输入命中缓存0.057 美元0.300 美元0.357 美元3570 美元 这只是计算示例，不是预测。月之暗面称官方 API 在 coding workload 中能达到 90% 以上 cache hit，但长前缀必须保持稳定。代码库上下文、工具定义、系统指令或历史消息一旦变化，命中率就可能下降。应分别记录缓存输入、未缓存输入、reasoning 输出、重试、tool call 与人工修正时间。 正确的比较单位是每个验收通过任务的成本。如果 K3 以每次 0.40 美元完成 100 个任务中的 82 个，那么人工复核前，每个通过任务的模型成本约 0.49 美元。如果便宜模型只能完成 55 个，它的低单价可能并不划算。如果 Kimi K2.7 Code 能提供相同质量，它的输入 0.95 美元、输出 4 美元定价会更适合作为默认模型。只把困难尾部路由给 K3。 Kimi K3 符合 GDPR 吗？ 任何公开页面都不能让 Kimi K3 自动成为你公司的 GDPR 合规方案。合规取决于你的角色、用例、个人数据、合同、跨境传输机制、子处理者、保留期、安全控制和集成方式。公开文件提供了一些积极证据，也留下了欧洲买方应在书面合同中关闭的问题。 积极证据很具体。Kimi 的API 数据安全帮助页称 API 输入与输出不会用于训练或改进模型，通信使用 HTTPS/TLS，不同用户的数据相互隔离，上传文件可以删除。2026 年 6 月 1 日生效的 Kimi Business Supplement 也写明，Business Customer Content 默认不用于训练，并提到 Data Processing Addendum 是协议的一部分。 未解决的证据同样重要： 国际版 OpenPlatform 隐私政策写明个人信息存储在新加坡的安全服务器上，账户活跃期间可能保留账户、输入和支付信息。 公开 OpenPlatform 条款允许为提供、维护、开发、支持、改进、保护和执行服务而使用 Content。另一条又把模型训练限制交给单独的企业安排。 较新的帮助页和 Business Supplement 更严格，但采购团队不应猜测哪份文本适用于自己的 API 账户。 公开页面提到合规认证，却没有列出当前证书名称、范围、审计期间或可供买方检查的报告。 我们检查的公开材料未提供完整子处理者列表、各类 API 数据的固定保留期，也没有公开的 EU-only 处理区域。 新加坡位于 EEA 之外。欧盟委员会说明，标准合同条款可为向第三国传输个人数据提供保障。你的法务或数据保护负责人仍需确认实际机制、处理角色、Transfer Impact Assessment、子处理者、删除、审计权和事件条款。第一轮技术测试只用合成或公开数据。个人、机密、受监管或客户代码应在合同和数据流审查后再加入。本文是采购指引，不是法律意见。 从 OpenAI 迁移到 Kimi K3 只需换 base URL 吗？ 不是。传输接口很熟悉，但 K3 的状态、参数、缓存和故障行为都需要专门集成。首次调用只需 OpenAI SDK、https://api.moonshot.ai/v1 和 kimi-k3。生产迁移还要完成这些工作： 保留完整 assistant message。多轮请求不能只保留可见 content，reasoning history 与 tool call 字段都要原样返回。 切换模型时新开 session。不要在 Claude、GPT、GLM 或 Kimi K2 的旧对话中途换成 K3。 删除不支持的调节参数。采样参数是固定的，当前 reasoning effort 只有 max。 设计稳定前缀。持久系统指令、工具定义和代码库上下文应放在前面，提升自动缓存机会。 约束 Agent 自主性。明确范围、审批点、工具权限、预算和停止条件。 把容量当成产品风险。读取 rate-limit header，限制并发，用指数退避处理 429，并在上线前谈妥商业配额。 测试安全过滤失败。测量合法代码、安全、法律与行业术语上的误拦截。 Kimi 的速率限制文档没有公布统一 RPM 或 TPM。具体层级取决于账户累计充值，可在控制台查看。对试点够用，对 SLA 不够。并发、区域、可用性、事件响应和支持通道都应写进商业订单。 欧洲企业能自托管 Kimi K3 吗？ 可以。月之暗面已于 7 月 27 日发布权重、技术报告、model card、推理指南和 Kimi K3 许可证。该许可证允许广泛商用，但过去连续 12 个月总收入超过 2000 万美元的 Model as a Service 企业需另行签约。超大规模商业产品还有", "articleSection": "工程", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "dateModified": "2026-08-07", "datePublished": "2026-07-19", "description": "Kimi K3 值得用于复杂编程与知识工作试点，但还不是欧洲企业的低风险生产默认模型。2.8 万亿参数稀疏模型每 token 激活 104B 参数，支持视觉与 100 万 token context；reasoning 始终开启，并提供 low、high、max effort。7 月 27 日发布的权重约 1.6 TB，现实的自托管起点是八张 B300 或 MI355X。Artificial Analysis 当前评分 60，速度 38.5 token/s，TTFT 3.14 秒。API 价格仍为每百万缓存输入 0.30 美元、未缓存输入 3 美元、输出 15 美元。采购风险仍在：API 帮助页承诺不训练，其他当前国际条款允许模型优化，隐私政策则说明新加坡存储。", "headline": "Kimi K3 企业评测：API 价格、数据合规与试点清单", "image": "https://wavect.io/img/blog/headers/header_kimi-k3-eu-api-production-review.svg", "inLanguage": "zh", "mainEntityOfPage": { "@id": "https://wavect.io/zh/blog/kimi-k3-eu-api-production-review/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/zh/blog/kimi-k3-eu-api-production-review/", "wordCount": 834 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/zh/", "name": "首页", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/overview/", "name": "博客概览", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/topics/ai-agents/", "name": "AI 与智能体", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/clusters/models-infrastructure/", "name": "模型与基础设施", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/kimi-k3-eu-api-production-review/", "name": "Kimi K3 企业评测：API 价格、数据合规与试点 | ", "position": 5 } ] } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "提供。国际端点是 api.moonshot.ai/v1，模型 ID 为 kimi-k3。它兼容 OpenAI Chat Completions，但 reasoning history、固定参数、缓存和工具行为仍需要 K3 专项测试。" }, "name": "Kimi K3 提供 API 吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "截至 2026 年 8 月 7 日，月之暗面的公开价格是每百万 cache-hit 输入 token 0.30 美元、未缓存输入 3 美元、输出 15 美元。Reasoning 按输出计费。" }, "name": "Kimi K3 API 价格是多少？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "当前 API 帮助页说不会，Business Supplement 也写明企业内容默认不用于训练。较早的公开条款允许更广的内容使用，所以企业买方应把适用限制明确写入合同。" }, "name": "Kimi 会用 API 数据训练模型吗？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "国际版 OpenPlatform 隐私政策写明新加坡。在传送个人或机密数据前，应确认实际处理地点、子处理者、保留期和跨境传输机制。" }, "name": "Kimi 把国际 API 用户的数据存在哪里？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Kimi K3 是开放权重模型。7 月 27 日起，权重、技术报告和推理指南在自定义 Kimi K3 许可证下公开。它允许广泛商用，但对大型 Model as a Service 供应商和超大产品有附加条件。" }, "name": "Kimi K3 是开源还是开放权重？" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "K3 在早期前端盲测快照中排名第一，在 Artificial Analysis 上也接近 frontier。月之暗面承认整体表现仍落后于 Claude Fable 5 和 GPT-5.6 Sol。应在你的代码库上用盲测决定。" }, "name": "Kimi K3 编程能力比 Claude 或 GPT 强吗？" } ] } ```