Kimi K3 的低 OpenRouter 排名

Kimi K3 的低 OpenRouter 排名 | AI生成和翻译

首页 2026.07

问题： 为什么 Kimi K3（23B/大模型）在 OpenRouter 上排名不高？用户是否只是直接订阅 Kimi 服务？

回答：

你的直觉基本正确，但有几个影响因素。

首先，Kimi K3 并非典型的“廉价 OpenRouter 模型”。它被定位为前沿模型。Moonshot 推出 Kimi K3 作为一个非常大的开放权重模型（据报告总参数 2.8T MoE，上下文 1M），目标是长时编程/推理，而非廉价日常对话。（路透社）

OpenRouter 排名主要反映使用量，而非“最佳模型”。一个模型可能非常优秀，但排名不高，原因如下：

如果 API 用户进行对比：

据报告，Kimi K3 的 API 定价约为：

输入：$3 / 1M tokens
输出：$15 / 1M tokens
缓存命中：$0.30 / 1M

对于智能体循环：

用户提示
 → 模型思考
 → 工具调用
 → 模型思考
 → 重试
 → 总结

输出 tokens 占主导。$15/M 的输出成本令人望而却步。

OpenRouter 大量流量来自：

他们关注每任务成本。

是的，这是一个重要因素。

Moonshot 拥有：

最佳的 Kimi 体验可能在其原生产品中，因为他们可以控制：

模型
+
系统提示
+
工具调用
+
上下文管理
+
配额
+
缓存

第三方 API 会失去部分优势。

Kimi Code 文档显示 K3 直接集成到其编程环境中，具有特殊的模型 ID 和上下文处理方式。（Kimi）

因此，付费订阅 Kimi 的开发者可能根本不会碰 OpenRouter。

新模型通常：

发布
 ↓
供应商少
 ↓
价格高
 ↓
用户尝试一次
 ↓
流量低
 ↓
排名低

有报告称，早期 OpenRouter 上 K3 的可用性有限，且供应商过载。（Reddit）

如果你指的是23B 激活参数，那实际上是 MoE 的激活计算量，而非模型总大小。

现代 MoE：

总参数：2.8T
每 token 激活：~20-30B

类似概念：

DeepSeek V3：
总参数 671B
激活 37B

重要指标是：

质量 / 激活 FLOPs / 美元

而非总参数数量。

我目前的看法：

Kimi K3 可能是一项技术成就，但商业定位存在疑问：

封闭前沿：
 GPT / Claude
      |
      | 更好的用户体验 + 可靠性
      |
Kimi K3
      |
      | 昂贵的开放模型
      |
廉价开放模型：
 DeepSeek / Qwen

危险的中间地带是：

开放模型的制胜策略可能是：

足够小以部署
+
足够便宜以运行
+
对智能体足够好

例如：

如果以下条件成立，Kimi K3 可能获胜：

质量接近 Claude/GPT
且
Moonshot 补贴 API 成本
且
开放权重确实可用

否则，许多用户只会说：

“基准测试很厉害，但我还是会用 DeepSeek/Qwen，因为我的智能体每天跑 1000 次调用。”

返回捐助