你可能注意到了，月之暗面近日发布了 Kimi K3------2.8T 参数的开源模型，也是第一个公开的 3T 级开源模型。但比参数数字更值得关注的，是同时上线的 Kimi Code CLI：一个能在你的终端里帮你读代码、修 bug、跑任务的 Agent 工具。
模型竞赛是公司之间的事，但一个能直接塞进你工作流的终端 Agent，跟你关系很大。
K3 的定位：拉近了开源和闭源的差距
Kimi K3 不是「超越所有模型」的宣言。月之暗面官方博客说得很坦率：整体能力仍落后于 Claude Fable 5 和 GPT 5.6 Sol，但大幅超越了 Opus 4.8 和 GPT 5.5。在开源模型这个赛道上，K3 把上限往上推了一截。
几个关键信息：
- 架构：KDA（Kimi Delta Attention）+ Attention Residuals（AttnRes），加上 Stable LatentMoE 框架
- MoE 参数：16/896 专家激活，2.8T 总量
- 上下文窗口：1M tokens，原生视觉
- 缩放效率：相比 K2 提升约 2.5×
- 权重发布：7 月 27 日之前开源
官方例子里有几个让人印象深刻的评测场景：
GPU 内核优化。让模型在沙箱里独立优化四个 GPU kernel 任务（涵盖 AttnRes、KDA 等），K3 的表现与 Fable 5 持平，显著优于 Opus 4.8 和 GPT 5.5。
MiniTriton 编译器。K3 从零构建了一个 Triton 风格的 GPU 编译器------包含 DSL 前端、MLIR 优化 pass、PTX 代码生成------性能在部分 benchmark 上直接对标甚至超越 Triton 本身。
这些案例说明 K3 的强项不是「写一段 CRUD」，而是长序列编程任务------需要读大量代码、理解依赖关系、逐步逼近正确的工程问题。
Kimi Code CLI：开箱即用的终端 Agent
模型再强也需要工具让你用得上。Kimi Code CLI 就是那个工具。
安装
bash
# 推荐方式（单二进制，无需 Node.js）
curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash
# macOS 也可以用 Homebrew
brew install kimi-code
# npm 安装（需要 Node.js 22+）
npm install -g @moonshot-ai/kimi-code装完后终端里敲 kimi 进入交互模式，或者用 kimi -p "描述你的任务" 单次执行。
首次使用需要登录。/login 支持两种方式：Kimi Code OAuth（设备码登录）或直接输入 Kimi Platform API Key。
核心功能
Kimi Code CLI 在功能覆盖上对标 Claude Code 和 Codex CLI，但有几个值得注意的设计取舍。
子 Agent 系统（我觉得这是最大的差异点） 。内置 coder、explore、plan 三类子 Agent，可以并行执行独立任务。比如你让它「分析项目结构」的同时「检查代码规范」，两个子 Agent 各干各的，主会话保持整洁。这种「一个主 Agent + N 个子 Agent」的架构在 Claude Code 里最近也加了，但 Kimi Code 把三类子 Agent 做成了内置命令，开箱即用。
MCP 对话式配置 。输入 /mcp-config 就能在对话中添加 MCP Server，不用手写 JSON 配置文件。支持 Streamable HTTP 和 stdio 两种传输方式，甚至可以通过 OAuth 授权。这对不熟悉 MCP 协议格式的开发者很友好。
视频输入。你可以把录屏或 demo 视频直接拖进对话，Agent 会读取视频帧并基于视觉内容操作。官方演示的场景是「丢一个操作录屏进去，Agent 还原成代码」------听起来像噱头，但如果你写过需要看 UI 状态才能调试的前端代码，这个能力有实际价值。
生命周期钩子。在危险操作（修改文件、执行命令）之前触发本地脚本，可以用于门控审计、桌面通知或者连接自己的自动化流程。
定价
Kimi Code CLI 是开源免费的（MIT 协议），可以连接多种模型供应商（Anthropic、OpenAI、Google 等），自带 API key 即可使用。
有 Kimi Code Plan 的同学------Moderato 及更高档位套餐可使用 K3 模型：
| 套餐 | 月费 | 适用 |
|---|---|---|
| Andante | ¥49/月 | 日常使用，提供专属使用额度 |
| Moderato | ¥99/月 | 效率升级，每周额度，多设备登录。------含 K3 模型 |
| Allegretto | ¥199/月 | 专业优选，更高并发上限 |
| Allegro | ¥699/月 | 全能尊享，高强度开发需求 |
平台兼容
- macOS / Linux --- 原生支持
- Windows --- 通过 PowerShell + Git Bash 支持
- IDE 集成 --- 通过 ACP 协议接入 Zed、JetBrains（需要在编辑器配置
agent_servers） - VS Code --- 有官方扩展
- Zsh --- 有官方插件，
Ctrl-X切换到 Shell 模式
和 Claude Code / Codex CLI 的差异点
不搞横评打分那一套，但三个结构性的差异值得你了解：
1. 上下文获取方式
Claude Code 依赖用户主动提供上下文------你需要告诉它项目结构、要改哪里。Kimi Code 的 init 机制会自动扫描项目目录，生成 .kimi-code/ 下的上下文文件。这个设计取舍意味着：对已有大型项目的「入门感知」成本更低，但如果你只需要单文件修改，这个扫描可能显得多余。
2. 默认模型绑定
Kimi Code CLI 内置了 K3 模型的调用通道，不需要你自己配 API Key。Claude Code 需要 Anthropic API Key，Codex CLI 需要 OpenAI API Key。对于不想折腾模型路由的开发者来说，这个「开箱即用」的体验差异很大。
3. 模型与工具一体
月之暗面同时发了模型 + CLI 工具。这意味着他们对 K3 在编程场景下的优势领域（长序列任务、代码理解、视觉+代码混合任务）做了针对性的工具优化，而不是用一个通用 API 封装了一个终端界面。
三个值得一试的场景
场景一：接手不熟悉的代码库
bash
cd ~/projects/unfamiliar-repo
kimi init
# 然后问
# > auth 模块的鉴权逻辑是怎么工作的？
# > 数据库连接池在哪里初始化？Kimi Code 会选择性检索核心目录（pkg、internal、api），逐步深入构建上下文。它不是一次把整个 repo 扫完，而是沿着你问的方向深入。对于一个几千文件的 monorepo，这个策略比「全量读入」实际得多。
场景二：快速排查 bug
text
> 这个服务在 status 为 completed 时分支出错，
帮我从组件入口开始追踪数据流。它会从入口开始追踪 props 流转、context 注入、异步 hook 编排，输出数据流的「完整路径图」。你仍然需要自己做判断，但这个「指路」环节能从几小时压缩到几分钟。
场景三：重构安全网
text
> 我打算把 AuthGuard 从 HOC 模式迁移到 hooks 模式，
帮我检查是否覆盖了全部调用点。它会找到所有引用点，对比新老模式的差异，输出一个「改了哪 + 忘了哪」的 checklist。
已知的问题
实测和社区反馈中，有几个值得注意的坑：
- Monorepo 支持粗糙 。
kimi init在 monorepo 中可能混用不同 package 的上下文，需要用--filter参数指定范围 - 生成的依赖版本偏旧。它倾向于使用项目当前锁定的版本，不会主动升级到最新稳定版------生成后建议手动检查
- TUI 重度依赖终端能力。官方推荐使用 Kitty 或 Ghostty 这类支持 true-color 的终端，否则显示效果打折
- 插件生态刚起步。相比 Claude Code 社区已有数千个 skill 和 MCP server，Kimi Code 的 marketplace 还比较初期
开源状态
- Kimi Code CLI：
github.com/MoonshotAI/kimi-code（MIT 协议，3.6k stars） - Kimi K3 模型权重：7 月 27 日前在 Hugging Face 开源（具体协议待公布）
- kimi-cli（旧版 Python）：
github.com/MoonshotAI/kimi-cli（9.5k stars，已停止维护，迁移到 kimi-code）
不是替代，是新增一个选择
Kimi Code CLI 不会替代 Claude Code 或 Codex CLI------每个工具在各自生态里都有自己的优势场景。但它的出现意味着：国内开发者终于有一个终端编码 Agent，不用翻墙、开箱即用、直接跑在 K3 模型上。模型的参数竞赛是公司的事，但一个能进你终端、帮你读代码库的 Agent，是你今天就能拿去用的生产资料。