📚 本文是 AI 工具完全指南 系列之一。想看 K3 和 GPT-6 Astra 正面刚编程的，看这篇 四模型 Cursor 复刻横评；想看国产 AI 助手日常怎么选的，看 豆包/Kimi/DeepSeek 实测。

7 月底 Kimi K3 开源那天，Hugging Face 趋势榜半小时就被顶到第一——2.8 万亿参数，迄今最大的开源模型。但参数是参数，大多数人更关心的问题是：这东西我怎么用上？写代码到底行不行？和 Qwen3.8、GLM-5.3 这些同期旗舰比怎么选？

这篇文章就讲这三件事：注册上手、编程实测、横向选型。全程不需要翻墙，不需要海外信用卡。

30 秒速答

  • 怎么用：打开 kimi.com 注册登录，模型选 K3，基础聊天/文件上传/联网搜索全免费
  • 编程强在哪：1M token 上下文吃整个代码库；Terminal-Bench 2.1 88.3 分，开源第一梯队；长程工程任务（SWE-Marathon）领先 GLM-5.3 和 Qwen3.8
  • 短板：免费层高峰期可能排队；编程实测里前端审美不如 GPT-6 Astra；2.8 万亿参数注定与个人本地部署无缘
  • 和同行比：长程工程选 K3，前端选 Qwen3.8-Max，攻坚 debug 选 GLM-5.3
  • 想对比海外旗舰：GPT-6 Astra 国内上手走 环球巴士 镜像版 28.88 元/月起，优惠码 Tanqingbo 再 9 折

一、Kimi K3 是什么：把 2.8 万亿参数翻译成人话

先泼盆冷水：「2.8 万亿参数」不等于它比谁都强，参数规模和实际体验不是一回事。K3 真正值得关心的三个点：

  1. 1M token 上下文。这是 K2 系列 256K 的 4 倍，意味着你能把一整个软件项目、几十份 PDF 报告一次性丢给它，让它交叉分析。这是 K3 最实在的能力，后面实测会用到。
  2. 编程是主战场。K3 的训练方向就是软件工程和长周期任务，编程基准稳居开源第一梯队。
  3. 免费就能用。不是试用陷阱，是正经的免费层。

架构上稍微展开一句（不耐烦可跳过）：K3 用的是 Stable LatentMoE 设计——896 个专家里每个 token 只激活 16 个，约 104B 激活参数。总参数决定它「知道多少」，激活参数决定它「跑多快」，这就是它能同时做到超大和可用的原因。

二、注册上手：三种入口，全免费

入口一：网页版 kimi.com（最快）

打开 kimi.com，手机号或微信登录，新建会话后在模型选择处选 K3——新建会话默认就是它。

第一次用建议拿个小任务试水：上传一份十页 PDF，让它列结构、关键数字和三个疑点。感受一下 1M 上下文处理长文档的体感。

入口二：手机 App

iOS/Android/鸿蒙应用商店搜「Kimi」，认准月之暗面官方出品。手机端适合拍照提问、传图传文件，复杂任务再转电脑。

入口三：Kimi Work 桌面客户端（非程序员最值得装）

这是月之暗面 2026 年 6 月推出的桌面 Agent，最新版已接入 K3，Windows 和 Mac 都有。它和网页版的本质区别：能直接读写你电脑上的本地文件、控制浏览器、定时执行任务、一键生成 Word/Excel/PPT——对标的是 Codex 和 Claude Desktop 这类桌面 Agent。

不写代码的人，Kimi Work 是最能感受到 K3 提升的地方：不用手动上传下载，交代一个目标它自己推进并产出成品文件。

免费额度说清楚

免费层（官方叫 Adagio）包含：基础聊天不限次、文件上传、联网搜索，注册全程不需要绑卡。这个覆盖面日常用完全够。

需要注意的两点：一是免费层在高峰期可能排队或限流，重度使用可以考虑会员；二是会员和 API 是两套独立体系，充了 API 不会解锁会员功能，别搞混。

三、编程实测：K3 vs 三个海外旗舰

这是我固定的测试题：克隆 VS Code 开源代码，做一个支持 Editor/Agents 双窗口切换的 Web AI 编程工具。同一句提示词，先后喂给四个模型：

模型 复刻结果 用时
Kimi K3 跑通核心功能，界面比较简陋 半个多小时
Claude Opus 5 还原度高，但跟 VS Code 太像，没自己想法 —
Claude Fable 5.1 完成度最高，逐文件审阅改动都做了 —
GPT-6 Astra 有自己的产品想法（自创 orbit 品牌），视觉最好 约 23 分钟

K3 的表现一句话概括：工程能力在线，审美差口气。核心功能它是真跑通了——文件树、编辑器、双窗口切换都能用，但界面确实糙，和 Astra 那种自带品牌设计的成品有肉眼可见的差距。

这和基准成绩是自洽的：K3 在 Terminal-Bench 2.1 拿 88.3（开源第一，仅次 GPT-5.6 Sol 的 88.8），DeepSWE 67.5、SWE-Marathon 48.1 都是同档领先——解决工程问题的硬实力没问题，缺的是前端审美这种「软实力」。前端视觉要求高的项目，目前还是 Astra 或 Qwen3.8-Max 更合适。

四个模型的完整实测过程和成品截图，看这篇：GPT-6 Astra 写代码实测。想在国内上手 Astra 对比着用的，环球巴士 镜像版 28.88 元/月起是最省事的入口，支付宝付完就能用，新用户首单 9 折，**优惠码 Tanqingbo**。

四、Kimi Code：程序员该怎么用 K3

上面是「网页里聊着写」，K3 还有专门给开发者的形态——Kimi Code，一个编程 Agent，有 CLI 和 VS Code 插件两种形态，直接对标 Claude Code。我另一篇 Claude Code 教程 里也提过，国产平替里最像样的就是它。

安装三步：

# macOS / Linux
curl -LsSf https://code.kimi.com/install.sh | bash

# Windows（PowerShell，需先装 Git for Windows）
Invoke-RestMethod https://code.kimi.com/install.ps1 | Invoke-Expression

装完重启终端，kimi 启动，然后：

  1. /login 用 Kimi 账号 OAuth 登录
  2. /model 选 K3（日常补全不必开最高档，大型重构再上 High/Max）
  3. **先 /plan**：让它先读仓库、列出要改哪些文件、风险在哪、怎么验证——确认计划后再放它动手

几个高频命令：@文件名 引用项目文件、!命令 执行 Shell、/compact 压缩长会话、/usage 看额度消耗。

安全提醒：别对生产仓库直接开 YOLO 模式（自动批准所有操作）。先在分支或副本里验证，K3 的改动质量总体可靠，但回滚成本永远高于确认成本。

五、K3 vs Qwen3.8-Max vs GLM-5.3：国产三旗舰怎么选

这三个模型正好代表了国产旗舰的三种路线，放一起看最清楚：

维度 Kimi K3（月之暗面） Qwen3.8-Max（阿里） GLM-5.3（智谱）
发布 7 月，2.8 万亿参数 8 月，2.4 万亿参数 8 月，7530 亿（同 5.2 基座后训练）
上下文 1M token 1M token 256K
Terminal-Bench 2.1 88.3 86.6 88.2
Terminal-Bench 3.0（更难） 17.4 29.0（0902 版） 28.3
最强项 长程工程、大上下文 前端（WebDev 榜 1691 登顶）、Agentic Index 全球第一 工程攻坚、网络安全
免费使用 kimi.com 免费层 通义千问 App/网页 智谱清言 App/网页
API 价格 ¥20/¥100 每百万 tokens $2/$6 每百万 tokens Flash 版 $0.15/$0.50

几个说明：

  • Qwen3.8-Max 的 0902 版（9 月 2 日刷新）在 Code Arena WebDev 盲测榜以 1691 分登顶，是首个登顶该榜的中国模型，前端能力目前国产最强。
  • GLM-5.3 是「同基座纯后训练」的典范：和 5.2 用同一个底座，只靠后训练把智能指数从 53 拉到 60，编程提升 50%——智谱管它叫「专为编程而生」，攻坚 debug 和多模块重构是它的主场。
  • 基准分数不同实验室口径不一，表格看趋势别抠小数点，三个模型的差距远小于它们和第二梯队的差距。

选型建议直接抄：

  • 要读大代码库、跑长任务、批量分析文档 → K3（1M 上下文 + 长程工程最强）
  • 前端开发、要好看的成品 → Qwen3.8-Max
  • 死磕难 Bug、大型重构、安全相关 → GLM-5.3
  • 日常问答办公 → 三个都行，哪个顺手用哪个，反正都免费

六、避坑清单

  1. 旧会话别直接切 K3。历史上下文会污染效果，官方也建议开新会话。每个独立任务新开对话，上下文干净还省额度。
  2. 思考档位别无脑拉满。K3 始终运行思考模式，分 low/high/max 三档，短问题开 Max 纯属浪费时间和额度。日常 Low、跨文件任务再提高。
  3. 1M 上下文不是「全倒进去」。几十个不相关文件一锅炖，再大的窗口也白搭。给清楚范围和优先级，让它知道找什么。
  4. API 和会员是两套账。充 API 不解锁会员，订会员不给 API 折扣，按需选一边。
  5. 「开源」和「本地跑」是两回事。2.8 万亿参数 MXFP4 也要约 1.4TB 显存，普通用户网页/App 就是完整体验，别琢磨本地部署了。

写在最后

国产旗舰这一波的实感：基准分数上，K3、GLM-5.3 已经和 GPT-5.6 Sol 贴身，Qwen3.8-Max 在前端反超；工程能力的长板（K3 的长程任务、GLM 的攻坚）甚至能压海外同档一头。真正的差距剩在前端审美、Agent 生态和极端场景的稳定性上——而这些恰恰是迭代最快的部分。

对普通用户的建议就一句：都免费，都试试，让任务选模型。想横向体验海外旗舰做对比的，GPT-6 Astra 的上手指南在这里：GPT-6 Astra 国内使用与购买指南。

相关阅读：