实测Kimi K3：2.8万亿参数开源模型，硬核任务一次搞定
Ai138
14 Kimi K3开源模型拥有2.8万亿参数，实测中成功创建六轴工业机器人CAD工作站，涵盖3D图形、运动学算法、UI交互等复杂任务。模型在逆运动学求解、碰撞检测等难点表现出色，代码质量接近生产环境，展现了开源模型的新高度。
Kimi K3 实测：2.8万亿参数的开源模型，到底有多能打？
今天不聊虚的，直接上手测了把 Kimi K3。这模型一发布，各大榜单上都是好成绩，开源模型里基本坐稳了头把交椅。但我有个习惯——榜单归榜单，自己上手跑一遍，才知道这模型到底有几斤几两。
先放个结论：2.8万亿的参数规模，确实不是白堆的。下面是我实测的一个典型案例，你们感受下。
实测案例：六轴工业机器人 CAD 工作站
我给了 Kimi K3 一个相当硬核的任务：在当前空目录下，直接创建一个浏览器版的六轴工业机器人 CAD 工作站。要求它自己创建文件、安装依赖、运行项目，并且在实际操作中修复数学、交互和渲染问题。
技术栈指定了 React、TypeScript、Vite、React Three Fiber、Drei 和 Rapier，状态管理用 Zustand。所有 3D 零件、图标和材质都必须在项目中生成，不能依赖任何外部 API、账号、付费模型或预录内容。
界面要求接近专业 CAD 软件，具体来说：
- 左侧：零件树，显示对象可见性和层级关系
- 中间：完整的 3D 工作区
- 右侧：属性面板，显示关节角度和运动学参数
- 底部：关键帧时间轴
- 顶部：工具栏，包含选择、移动、旋转、测量、示教、播放和爆炸视图
场景里要包含六轴工业机械臂、可开合夹爪、工作台、传送带、三个彩色工件、三个目标箱和两个可移动障碍物。机械臂本身还有一堆硬性要求：
- 六个旋转关节，每个都有明确的旋转轴和角度限制
- 正向运动学根据关节角度实时更新末端位置
- 拖动末端目标点时，通过逆运动学实时计算六个关节角度
- 无解姿态显示红色目标点，并在面板中提示受限关节
- 碰撞检测：机械臂与自身、桌面、工件或障碍物碰撞时，高亮相关部件
- 显示关节坐标系、末端坐标系、运动轨迹和尺寸标注
- 夹爪能抓住传送带上的工件，移动过程中保持约束
- 正向和逆运动学切换时不能出现瞬移
这还没完。还要加入示教模式，用户可以记录多个姿态，在时间轴上拖动关键帧、修改时间、删除节点，选择线性或缓入缓出插值。播放后，机械臂要完成抓取、移动、放置的完整动作。时间轴支持暂停、拖动播放头和循环播放。
爆炸视图也得有：拖动滑块时，机械臂各零件沿装配方向逐步分离，标签线标出电机、减速器、关节轴和夹爪。退出后恢复原位。
最后，还要支持导出和载入 JSON，保存关节角度、工件位置、障碍物位置、关键帧、播放设置和界面状态。刷新页面后载入文件，必须恢复相同的工作状态。
桌面端以 1440×900 为主要尺寸，窗口缩放后面板仍能操作。还要提供实时 FPS、求解耗时、碰撞数量和当前末端坐标的显示。
验收标准就一条：运行 npm run build 能通过。
实测结果
说实话，这个任务量级相当大，涉及 3D 图形学、运动学算法、UI 交互、状态管理等多个领域。Kimi K3 不仅一次性生成了完整的项目代码，而且在后续的调试和修复环节中，表现出了很强的代码理解和问题定位能力。
整个过程中，模型对技术栈的掌握很扎实，没有出现明显的 API 误用或逻辑硬伤。特别是在逆运动学求解和碰撞检测这两个难点上，生成的代码质量在线，基本可以直接投入生产环境使用。
当然，2.8万亿的参数不是白给的。从实际体验来看，Kimi K3 在复杂任务的理解、多步骤推理和代码生成质量上，确实达到了开源模型的新高度。跟 GPT-5.6 Sol 和 Claude Fable 5 这些顶尖闭源模型相比，也有一战之力。
这次实测让我对开源大模型的进展有了新的认识。参数规模上去了，能力边界确实在拓宽。不过话说回来，模型再强，最终还是要看落地场景和实际效果。后续我会继续深挖 Kimi K3 在其他领域的表现，到时候再跟大家分享。
