寫Code反超Fable 5!中國AI新創月之暗面發表Kimi K3,性能有望比拚GPT-5.6 Sol?
寫Code反超Fable 5!中國AI新創月之暗面發表Kimi K3,性能有望比拚GPT-5.6 Sol?

北京 AI 新創月之暗面(Moonshot AI)在 2026 年 7 月 16 日正式發表新一代旗艦模型 Kimi K3,總參數達 2.8 兆。

據《VentureBeat》報導,Kimi K3 在多項基準測試中已能與 Anthropic、OpenAI 旗下最強專有模型並駕齊驅,發表時間點正值上海 2026 世界人工智慧大會(WAIC)登場前夕。

Kimi K3 即日起已可在 Kimi.com 等平台免費試用,完整模型權重預計最晚於 7 月 27 日開放下載,屆時可望成為參數規模最大的開放權重模型(截至發表當下仍以線上託管服務提供,模型權重尚未公開)。

Kimi K3 的架構奠基於月之暗面自研的 Kimi Delta Attention(一種混合線性注意力機制,可加速長文本處理)與 Attention Residuals 技術,兩者皆已在 GitHub 開源。規格包括原生視覺理解能力、100 萬 token 的脈絡窗口(相當於一次可讀入整本教科書等級的文字量),以及發表時預設啟用的「邊想邊做」推理模式(thinking mode)。

K3 的參數規模比 DeepSeek V4 Pro(約 1.6 兆)大上約 75%。過去 12 個月裡,有 9 個月的開放模型參數規模上限都由 Kimi 家族保持。

評測成績:多項單科打敗 Fable 5,整體仍居第四

根據研究機構 Artificial Analysis 在 X 發文,Kimi K3 在其「Intelligence Index」(綜合智慧指數)拿下 57 分,與 Anthropic 的 Claude Opus 4.8、OpenAI 的 GPT-5.5 同級,但仍落後於 Claude Fable 5 與 GPT-5.6 Sol,整體排名落在第四。

月之暗面官方部落格也坦言,K3 的整體表現「仍落後最強大的專有模型 Claude Fable 5 與 GPT-5.6 Sol」。

不過在部分單項測試中,K3 確實反超頂級模型。在 Arena.AI 的前端程式碼競技場(以真人偏好評比程式碼產出品質)中,K3 以 1,679 分排名第一,明顯領先 Fable 5 與 GPT-5.6 Sol。

在長程高難度資訊搜尋測驗 BrowseComp 中,K3 在採用脈絡壓縮策略(於 30 萬 token 處壓縮、比照 Claude 模型卡做法)的設定下取得 91.2 分、為表列最高成績,若改用完整脈絡窗口則為 90.4 分;在真實任務自動化測試 AutomationBench-AA 中,K3 同樣以 53% 排名第一。

在 Artificial Analysis 另一項針對長程代理知識工作的私有評測 AA-Briefcase 中,K3 的 Elo 積分達 1,547,較前代 K2.6 大幅提升 732 分,排名第二僅次於 Fable 5;其中「評分標準」與「分析品質」兩個子項幾乎追平 Fable 5,僅呈現品質仍是 GPT-5.6 Sol 領先。換言之,Kimi K3 並非全面超車,而是在特定任務類型上已打入頂級模型的核心戰圈。

從 DeepSeek 衝擊到重返牌桌,月之暗面靠開放權重逆襲

月之暗面由清華大學畢業、曾任職 Google 與 Meta 研究部門的楊植麟於 2023 年創立,2024 年因 Kimi 的長文本分析與 AI 搜尋功能一度走紅。但 2025 年 1 月 DeepSeek R1 橫空出世後,Kimi 的月活躍用戶排名從中國第三跌落至第七,公司隨後轉向開放權重路線,先後於 2025 年 7 月釋出 K2、2026 年 1 月釋出 K2.5。

楊植麟
楊植麟(Zhilin Yang)是「月之暗面」(Moonshot AI)的創始人。
圖/ Kimi AI

這次 Kimi K3 延續開放權重策略,月之暗面同步更新旗下三層模型陣容:旗艦模型 K3、程式碼專用模型 K2.7 Code、通用模型 K2.6,兩者皆為每百萬 token 輸入 0.95 美元、輸出 4 美元;對標 Anthropic Claude Code 與 Google Gemini CLI 的開源工具 Kimi Code,也同步更新至 0.25.0 與 0.26.0 版本。

Artificial Analysis 指出,在 Intelligence Index 評測中,K3 的加權平均每任務成本為 0.94 美元,與 GPT-5.6 Sol 的 1.04 美元相近,僅為 Claude Opus 4.8的一半左右,但仍高於同屬開放權重陣營的 GLM-5.2(0.32 美元)與 DeepSeek V4 Pro(0.04 美元)。

完整權重預計最晚於 7 月 27 日釋出後,這個規模最大的開放權重模型能否延續在多項單科測試中反超頂級專有模型的表現,將是下一階段觀察重點。

延伸閱讀:台積電法說懶人包:資本支出狂飆640億美元、加碼千億投美!魏哲家11大QA一次看

本文初稿為AI編撰,整理.編輯/ 李先泰

資料來源:Kimi 官方部落格《VentureBeat》Artificial Analysis

關鍵字: #ai人工智慧
往下滑看下一篇文章
門市越展越多,如何降低管理與維運負擔?不用全面汰換設備,也能逐步升級智慧化多據點管理
門市越展越多,如何降低管理與維運負擔?不用全面汰換設備,也能逐步升級智慧化多據點管理

快速展店背後的挑戰 如何降低跨據點管理與維運負擔

對連鎖零售企業而言,展店代表商機與成長,但當門市數量快速增加,營運與管理的複雜度也隨之提升。尤其對便利商店(C-store)、餐飲連鎖與其他高密度展店型態的企業而言,總部需要面對的不只是據點數量增加,更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理,往往以單一門市為單位,各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形,或進行跨區域管理時,往往需要投入大量人力逐一確認資訊,不僅增加管理負擔,也提高維運成本。

此外,零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝,甚至調整營運規模。傳統一次性設備投資模式,容易讓企業在面對據點變化時缺乏彈性,也增加設備重新配置與後續維護的負擔。

因此,現代零售企業所需要的不只是單純記錄事件的設備,而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊,並支援未來智慧應用發展的智慧化管理架構。

晶睿通訊-2.png
圖/ 晶睿通訊

從既有設備開始升級 降低全面汰換設備的轉型負擔

面對智慧化轉型需求,許多企業最大的挑戰並非是否需要升級,而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言,全面汰換既有架構不僅成本高,也可能影響門市日常運作。因此,能夠兼容既有設備並逐步升級的彈性架構,成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構,企業可以從既有設備開始,逐步整合不同據點的安全資訊與管理需求,同時導入雲端管理能力。相較於一次性重新建置,新一代平台架構能協助企業延續既有投資價值,並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外,訂閱式雲端服務模式和混合雲安防架構,也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理,企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整,精準配置資源,降低一次性投入壓力,也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言,安全管理不再是一套固定且難以調整的架構,而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理,或因應營運策略調整,都能以更彈性的方式完成管理升級。

晶睿通訊-3.png
圖/ 晶睿通訊

AI 不只是安防工具 更開始協助零售提升營運效率

隨著 AI 技術快速發展,安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤;如今,智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為,協助企業從「看見發生什麼」進一步「理解正在發生什麼」,甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言,AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則 讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測,協助門市減少人工查看影像的需求。而進一步透過 Think Alert,管理者更可以直接以自然語言設定客製化的偵測條件,將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例,店員往往需要同時處理結帳、補貨與顧客服務,總部也難以持續掌握每個據點的即時狀況。透過 Think Alert,管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境;當符合設定條件的畫面出現時,系統即可主動發出警報,協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言,這代表 AI 不只是協助辨識既定事件,更能依據不同營運需求,讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查 Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後,如何從大量、多據點的影像中找到關鍵人物與事件脈絡,往往是最耗費人力的環節。透過 Think Search,管理者可以直接用自然語言描述想尋找的對象與情境,例如,當家長反映孩童可能在門市附近走失時,店員或總部人員不需要逐一查看不同攝影機的錄影畫面,只要在 Think Search 輸入「昨日上午,牽著小女孩的男性」等自然語言描述,系統即可協助從大量影像中篩選相關畫面,快速找到相關人物可能出現的時間與位置。若需要進一步追蹤,還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault,建立事件時間線與人物移動路徑,協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運 讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景,若顧客將手機、包包等物品遺留在座位或櫃台附近,遺留物與遺失物偵測可以協助門市人員更快發現異常,主動確認並協助顧客處理失物問題;人流分析則能協助企業掌握不同時段的門市活動趨勢,作為空間配置與人力安排的參考;車牌辨識可應用於停車區域或門市周邊管理,而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用,企業能在既有設備基礎上,進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言,AI 的價值已不只是「看得更清楚」,而是讓企業更快發現問題、更快找到資訊,並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則,到 AI 搜尋與事件調查,再延伸至顧客服務與營運分析,雲端安防平台正讓影像從被動的紀錄工具,逐步成為支援多據點安全管理與營運決策的重要資訊來源。

晶睿通訊-4
圖/ 晶睿通訊

85°C 北美導入 VIVOTEK AI 雲端安防平台 加速 80+ 門市智慧營運升級

隨著零售產業持續朝向多據點與數位化營運發展,如何在快速展店的同時兼顧營運效率、安全管理與服務品質,已成為企業的重要課題。

為支援持續拓展的營運需求,85°C Bakery Cafe 北美導入 VIVOTEK VORTEX AI 雲端安防平台,透過雲地整合架構與 AI 智慧應用,將原本分散的監控系統整合至單一平台,全面提升多據點管理效率、事件處理速度與日常營運效能。

此案例呈現零售企業如何從既有設備與架構出發,分階段導入雲端安防平台,並為未來智慧化管理與 AI 應用建立基礎。

閱讀完整案例

85°C Bakery Cafe North America 如何透過 VIVOTEK 雲端安防平台打造更智慧的門市管理模式

觀看案例影片

了解 85°C Bakery Cafe North America 如何應用 VIVOTEK VORTEX AI 雲端安防平台

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓