Kimi K3 與 Claude Code：比較、費用與設定

Ailoot 使用實用資訊請見文件。

Kimi K3 是什麼？為什麼震撼市場？#

一年前，Moonshot 以單一模型聞名：2025 年夏季開放發布的 Kimi K2。K2.6 於 4 月推出，接著是 2026 年 6 月的 K2.7 Code。K3 是下一步，規模約為 K2.6 的 2.8 倍。

2.8 兆聽起來很驚人，但背後採用的是 2026 年已相當標準的工程技術。K3 建構於混合專家架構（Stable LatentMoE）之上：模型包含 896 個獨立專家，每個 token 只啟用其中 16 個。這代表實際運作的參數遠少於總數，不然沒有人能以合理價格提供如此龐大的模型。它也採用 Moonshot 自家的兩項技術：Kimi Delta Attention（將生成速度提升最多 6 倍）和 Attention Residuals（降低訓練成本）。對 vibe coder 來說，這些只是底層技術細節，但也解釋了為什麼如此巨大的模型，最後竟然比 Claude 便宜，而它的規模原本可能讓人以為價格會高得嚇人。

實際上重要的功能：

• 100 萬 token 的上下文視窗。 與 Claude 的完整上下文視窗一樣大。你可以一次將大型專案放進模型中。
• 視覺能力。 你可以傳送錯誤截圖或設計稿，模型看得懂圖片。DeepSeek 等較早期的中國模型沒有這項能力。
• 始終開啟的推理模式（thinking mode）。模型一定會先思考再回答。這會提升品質，也會增加價格；後文會再談到這點。

一個中國開放模型已達到與 Anthropic、OpenAI 閉源旗艦模型相當的水準，Moonshot 並承諾免費分享權重。接下來要看看，這種「同等水準」哪些地方是真實的，哪些只是包裝得精美的宣傳。

Kimi K3 真正勝過 Claude 的地方，以及落後之處#

先從對 vibe coder 最重要的基準測試開始：Frontend Code Arena。模型會生成介面，再由人們盲測選出較好的結果。這和你請 AI 建立網站時的情況很接近。

Kimi K3 排名第一，並在七個領域中的六個排名第一。對透過與 AI 對話來建立網站和介面的人來說，這是最明確的訊號：這個模型在版面配置和前端工作上表現出色。

就一般智慧而言，Kimi 約 57 分與「Kimi K3 (max)」44 分，沒有指數發布者、一手結果連結或可比較設定，不能當成一致排名，也無法確定哪個分數目前適用。

比較前應使用相同具名指數修訂與日期，記錄確切模型、推理設定（含「max」），並核對測試工具與計分尺度。在發布者結果能驗證這些資料之前，本文不確立 Kimi 一般智慧排名。前端偏好與程式基準衡量不同事項，不能填補空缺。

另可參閱〈GLM-5.2 追上 Claude Opus 4.8〉，但該比較也不能解決 Kimi 指數歸屬缺漏。

傳統程式碼基準測試：

• SWE-bench Verified — 76.8%。 衡量模型修復 GitHub 專案實際錯誤的能力。分數不錯，不過 Claude 頂級模型的分數更高。
• LiveCodeBench — 85%。 採用「輸入—預期輸出」格式的演算法題目。K3 在這方面表現出色。
• Terminal-Bench 2.1 — 88.3。 根據 Moonshot 自行公布的數據，這項測試衡量在終端機中執行的代理式工作。

為了讓本指南保持誠實，而不是像廣告，我必須說明一項但書。Moonshot 編製程式碼基準測試表時使用了不同的測試框架：部分測量採用自家的 KimiCode，部分使用 Claude Code，另一些則使用 Codex。不同的測試框架可能讓相同結果相差 10–26 分。

我並不是說中國模型「比 Claude 好」。以 Claude Code 作為主要工具的使用經驗來看，在複雜程式碼上它們仍然落後，而且每次比較我都能感受到。但 K3 在前端工作上拿下目前最高成績，價格卻只要一小部分。忽視這點，和宣告 Claude 已經過時一樣愚蠢。

你想做的不只是選模型，而是建立一套能減少 AI 幻覺、延長上下文的配置嗎？選模型只是一個調整旋鈕。上下文工程更有影響力：提示詞送出前放入模型上下文的內容，比模型在基準測試上的名稱更能影響結果。若要有系統地工作，上下文工程搭配第二大腦（business/ 結構）和AI 分身（你的 ai-clone/）會很有幫助。這是任何模型——Kimi 或 Claude——在長時間工作階段中避免失常所需的三大支柱。

Kimi K3 的費用是多少？為什麼「開放」不代表「免費」#

Kimi K3 官方 API 定價（已於 2026 年 10 月 2 日對照 Anthropic 官方定價確認）：

以牌價計算，Kimi 的輸入比 Opus 5.5 便宜四分之一（$3 對 $4），輸出也便宜四分之一（$15 對 $20）。和上一代 Opus 相比，價差縮小了，但方向相同。反覆使用相同上下文時，快取才是真正省錢的地方。你在同一個專案中工作時，每次請求的開頭都會重複：相同的檔案、相同的規則、相同的系統提示詞。Kimi 快取可將完整輸入價格打 1 折。程式碼工作的快取命中率達 90% 或更高，因此實際輸入 token 成本更接近 30 美分。要在任何模型上充分利用快取，本身就是一門技巧；我曾以 DeepSeek 為例詳細介紹。

推理模式裡藏著一個定價陷阱。Kimi K3 在回答前總會先思考，推理內容會以每 1M 輸出 token $15 計費。簡單問題的差異微不足道，但複雜任務中，模型可能會「思考」數千個 token，部分抵銷低價格。你必須查看一天工作的最終帳單。只看牌價會造成誤判。

接著談「開放」這個詞。Moonshot 承諾在 2026 年 7 月 27 日前釋出 Kimi K3 權重，並且信守承諾——HuggingFace 上的提交日期是 2026 年 7 月 27 日（HuggingFace，Kimi-K3，已於 2026 年 10 月 2 日確認）。「開放權重」聽起來像是「我下載之後，就能在自己的電腦上免費執行」。實際上並非如此。即使壓縮至 4-bit，2.8 兆個參數仍需要數百 GB 記憶體、多張高效能 GPU、彼此之間的高速連線，以及負責設定和維護的人員。

Kimi K3 的開放性對大型雲端供應商和擁有自家基礎設施的企業團隊很有用。對你而言，它帶來的是另一種價值：促進競爭、壓低價格，並在 Claude 的使用限制或價格上漲時提供備用選項。你不會在筆電上執行 2.8 兆個參數。我另有一篇分析說明「免費」vibe coding 如何悄悄變成帳單：〈Vibe Coding 的隱藏成本〉。

用 3 個變數將 Kimi K3 連接到 Claude Code#

Claude Code 可以連接任何支援 Anthropic protocol 的端點。Moonshot 已為 Kimi K3 設置端點，因此不需要另外安裝版本或外掛。最精簡的設定只需三個變數：

export ANTHROPIC_BASE_URL=https://api.moonshot.ai/anthropic
export ANTHROPIC_AUTH_TOKEN=sk-your-moonshot-key
export ANTHROPIC_MODEL=kimi-k3

設定後，照常啟動 claude。Claude Code 會以為自己正在和 Anthropic 通訊，但實際上請求會送往 Kimi K3。所有 skills、hooks 和 plan mode 都會繼續運作，帳單則按照 Moonshot 的價格計算。

有一個主要陷阱，幾乎每個人都會踩到。Moonshot 有兩種不同的相容端點：一種位於 api.moonshot.ai，另一種則在 platform.kimi.ai 平台上。兩者使用不同的金鑰變數名稱和模型名稱，而且一個端點的金鑰拿到另一個端點使用，會回傳 401 錯誤（Kimi 關於 Claude Code 的文件）。如果遇到 401，幾乎都是金鑰與端點不相符。金鑰本身通常沒有問題。請從同一個平台取得金鑰和端點。

最簡單的確認方法是交給它一個小任務：請 Claude Code 顯示某個檔案的內容，再確認回覆有送達，且 Moonshot 儀表板的計數器有變動。要切回一般 Claude，移除三個變數（unset ANTHROPIC_BASE_URL ANTHROPIC_AUTH_TOKEN ANTHROPIC_MODEL），然後重新啟動 Claude Code。如果你經常切換，可以建立兩個 shell profile，或使用 direnv 將變數放進 .envrc 檔案，讓它們只在特定目錄中啟用。

如果你已為 Claude Code 設定好 skills 和 hooks，又不想學另一套工具，這是個方便的選項。Moonshot 也有自己的終端機代理 Kimi Code，但對已經長期使用 Claude Code 的人來說，用三個變數切換引擎是最省事的做法。

絕對不要向 Telegram bot 購買「預先儲值的帳戶」。這類帳戶常常讓人損失金錢，且幾天後就會遭到封鎖。資料安全也是實際的顧慮：Moonshot 的伺服器位於中國，若是處理敏感資料的工作專案，這需要另行評估。我在〈讓 Claude Code 存取你的資料安全嗎？〉一文中討論過讓模型存取資料的風險。

哪些任務適合交給 Kimi K3，哪些應留給 Claude？#

實際的分界大致如下。我在〈Kimi K3 工作實測：評測，以及我為何回到 Claude Code〉中，另外寫了自己一週在實際工作中使用 Kimi K3 的經驗，以及回到 Claude Code 的原因——沒有基準測試，只有實際任務中發生的事。

Kimi K3 最能發揮的地方：

• 前端和版面配置。 它在 Frontend Code Arena 拿下最高成績。建立介面、頁面或元件時，Kimi 表現出色，價格也明顯較低。
• 例行重構。 重新命名、拆分函式、加入型別。這類工作用頂級模型有點大材小用。
• 為現有程式碼生成測試。 兩種模型表現差不多；Kimi 更便宜。
• 大量處理文字。 說明、翻譯、標記等工作量大時，低價格很重要。
• 同一專案中的長時間工作階段。 在同一個上下文中工作越久，快取命中的次數就越多，之後每個步驟也越便宜。

適合留給 Claude 的工作：

• 新工具組的架構設計。 比較選項、找出陷阱、選擇結構——頂級 Claude 的表現仍較穩定。
• 複雜的多步驟錯誤除錯。 長串推理中，Claude 更可靠。
• 長時間自主代理迴圈。 沒有人介入時，Claude 在連續數十個步驟中較不容易失常。
• 攸關正式環境的建置。 穩定性比價格重要時。
• 敏感資料。 Moonshot 的伺服器位於中國；涉及個人客戶資料時，應另外和律師討論。

簡單來說，把重複性高、大量且偏視覺的工作交給 Kimi K3，把出錯代價高的決策留給 Claude。很多人會這麼做——同時保留兩把金鑰，依任務切換引擎。上一節提到的三個環境變數就是為此而設。

Kimi K3 還缺少什麼，以及基準測試忽略了什麼#

以下是值得記住的幾點。

基準測試使用了不同的測試框架。 前面已提過這項但書：Moonshot 有些測量使用自家的 KimiCode，有些使用 Claude Code，另一些使用 Codex，結果因此相差 10–26 分。Kimi 在 Frontend Arena 排名第一是獨立測得的結果，因為實際評分者是真人。但閱讀 Moonshot 的程式碼基準測試表時，仍應保持謹慎。

獨立智慧指數比較仍無定論。 沒有具名發布者、附日期結果、模型設定、測試工具與指數修訂，就無法對照「Kimi K3 (max)」與模型設定未明的約略分數。提供來源沒有一手連結可確立這些資料，因此不能支持目前排名、每任務成本或速度比較。不要假定「max」與未指定預設執行共用分數或尺度。

推理模式會提高帳單。 始終開啟的推理模式有助於提升品質，但複雜任務的費用可能更高，因為它可能延伸至數千個 token，並以每 1M $15 計費。對簡單到中等複雜度的工作，Kimi 的低價格確實有利；重度任務則要查看帳單。

資料與管轄權。 伺服器位於中國，會引發實際問題：若專案會處理個人資料，應與律師討論。這和基準測試無關。

以上都不代表 Kimi K3 是糟糕的模型。它效能強、價格低，這樣說很合理。但「效能強又便宜」和「各方面都比 Claude 好」是不同的說法，前者推不出後者。

這週可以從哪裡開始#

不加多餘步驟的具體計畫：

1. 用上文的三個變數，將 Claude Code 切換到 Kimi。 正常工作一天，交給它被認為擅長的任務，例如建立頁面、元件或介面。
2. 比較。 一天後，查看兩件事：實際任務的品質和帳單。觀察 Kimi 哪些地方能和 Claude 一樣好，哪些地方則有所不足。
3. 決定。 保留兩把金鑰並依任務切換引擎（前端和例行工作用 Kimi；重要工作用 Claude），或用一個 unset 指令回到只用 Claude。

這項實驗的風險是會花一天校準設定。好處是到了第二週，大量處理和視覺工作的帳單通常會降到原來的幾分之一。試用成本不高，而且一個指令就能停止。

若要有系統地工作，AI 分身 + 第二大腦 + 上下文工程的配置很有幫助。這些基礎能協助你在使用不同模型時管理上下文，包括 Kimi、Claude 和其他模型。

Ailoot。