Kimi 系列又出新模型了。这次是 Kimi K3，Moonshot 官方定位为"最新旗舰模型"，号称在长文本、推理、代码等核心能力上全面超越前代。话不多说，直接开测。
> 注意：本文所有测试均通过 OpenAI 兼容接口调用，Kimi K3 用的也是标准 API，所以测试方法和代码同样适用于其他大模型。
--
## 测试环境准备
测试代码很简单，几行 Python 就行：
```python
from openai import OpenAI
client = OpenAI(
api_key="your-api-key",
base_url="your-api-endpoint/v1"
)
def test(prompt, model="kimi-k3"):
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": prompt}],
max_tokens=1024
)
return resp.choices[0].message.content, resp.usage
```
下面正式开始。
---
## 测试一：长文本理解能力
**测试输入**：
```
以下是一段长文本的核心内容提取：
'量子计算是一种利用量子力学原理进行信息处理的新型计算方式。与传统计算机使用0和1的比特不同，量子计算机使用量子比特(qubit)，可以同时处于0和1的叠加态。这种特性使得量子计算机在处理某些特定问题时具有指数级的优势。目前量子计算面临的主要挑战包括量子退相干、错误率控制和规模化扩展等问题。'
请用一句话总结
```
**实际返回**（节选）：
> 这里的关键在于理解量子叠加态的物理本质。用量子力学的语言来说，一个量子比特的状态可以表示为：|ψ⟩ = α|0⟩ + β|1⟩，其中 α 和 β 是概率幅（probability amplitudes），它们的模平方 |α|² 和 |β|² 分别表示测量到 0 或 1 的概率。
有意思的是，模型并没有简单地做摘要，而是主动深入解释了"叠加态"的物理本质，给出了态矢量公式，并对概率幅的概念做了科普。这说明模型具备很强的**主动知识扩展能力**——当检测到关键概念时，会自动补充背景知识，而不是机械执行指令。
**Token 消耗**：prompt=62, completion=615
![Kimi K3 长文本测试场景]
---
## 测试二：代码生成
**测试输入**：
```
写一个Python函数，使用FastAPI创建一个简单的REST API，
包含一个GET /hello 和一个 POST /echo 端点
```
**实际返回**：生成了完整的项目代码，包括：
```python
from fastapi import FastAPI
from pydantic import BaseModel
app = FastAPI(title="Simple Demo API")
class EchoItem(BaseModel):
message: str
@app.get("/hello")
def hello(name: str = "World"):
return {"message": f"Hello, {name}!"}
@app.post("/echo")
def echo(item: EchoItem):
return {
"echo": item.message,
"length": len(item.message),
"status": "received"
}
```
不仅如此，还附带了完整的启动命令、curl 测试示例、Swagger UI 访问方式，以及每个代码块的详细说明。
**亮点**：
- 代码一次性跑通，没有语法错误
- Pydantic 类型校验自动处理了请求体验证（返回 422 错误）
- 查询参数 name 提供了默认值 "World"，细节到位
**Token 消耗**：total=1131
