一句话判断
新增了2.8T参数量、1M-token上下文及详细的缓存、输入、输出费用数据，且 claimed 与Fable 5相抗衡甚至胜出
核心信息
Kimi K3，一个2.8T参数、1M-token上下文的模型，现已在SiliconFlow上线并排名Frontend Code Arena第一。它声称在视觉审美和创意上优于GPT-5.6，并与Fable 5交锋甚至取胜，同时提供缓存$0.30、输入$3、输出$15的按 token 计费。
原始内容
相关动态
Kimi K3 在 SpreadsheetBench 2 上排名第一
Kimi K3 在 SpreadsheetBench 2 基准测试中排名第一，超越 Claude Fable 5，完成 34.8% 的 workflow 任务。该基准测试涉及 321 个专家策划任务，平均每个任务包含 11.8 个工作表和 593.5 个单元格更改，聚焦于完整的电子表格工作簿执行。
Mind Lab 开源长文本强化学习项目
Mind Lab 开源了一个长文本强化学习（RL）项目，支持 2M tokens 的长上下文。相比以往需要数千个 GPU 的 1M 上下文研究，该项目仅需 8 个 GPU 即可完成，大幅降低了超长上下文研究的算力门槛。
Kimi K3非对称竞争分析
Kimi K3在Arena前端/WebDev人类盲测中以1679 Elo排名第一，领先Fable 5（1631）和GPT-5.6 Sol（1618），但在综合智能指数中仅排第四（57.1分），落后Fable 5（59.9）和GPT-5.6 Sol（58.9）。K3定价15美元/百万输出tokens，远低于Fable 5的50美元，并计划7...
开源模型长期网络能力差距缩小至4-7个月
长期网络能力方面，领先开源模型落后闭源前沿从2025年大部分时间的6-10个月缩短至4-7个月。GLM-5.2匹配了约4个月前发布的闭源模型。AI安全研究所的32步“The Last Ones”任务中，GPT-5.6 Sol在10次尝试中完成7次，每次预算1亿token，且性能随推理token增加而提升。
Runway Agent 在第三方评测中全面领先
Physion Labs 发布 Physion-Arc 1.0 基准测试，对 Runway、Luma、MiniMax、Kling、Utopia 和 TapNow 六款 AI 视频代理进行独立人类评估，使用 30 个电影提示和 16 个指标。Runway Agent 2.0 在叙事连贯性、电影语言和制作质量三项核心维度全部排名第一。