Kimi K2.8 和 K3 有什么区别？一张表看懂怎么选

K2.8 Preview 和 K3 的关系一句话讲完：K3 是 Kimi 目前的旗舰天花板，API 开发和追求能力上限选它；K2.8 Preview 是 9 月 12 日上线的产品端新主力，百万上下文面向所有会员档位开放，官方口径整体性能已接近 K3。日常写代码、跑 Agent 任务优先用 K2.8，普通用户没必要纠结。

先看结论：三类人怎么选

1. Kimi 会员、日常用 Kimi Code 编程或 Kimi Work 干活：直接用 K2.8 Preview，1M 上下文已对全部会员档位开放，没有额外付费动作。
2. 开发者、要走 API 接入：目前只能选 kimi-k3，因为开放平台价格表里还没有 kimi-k2.8 这个模型。
3. 追极限性能的重度用户：跑分和复杂推理继续用 K3，K2.8 毕竟带着 Preview 后缀；但如果你只是写业务代码，先试 K2.8 再决定值不值得多花钱。

两个模型分别是什么定位

K3 是月之暗面的旗舰模型。官方文档介绍它拥有 2.8 万亿参数，基于 KDA 混合线性注意力机制（Kimi Delta Attention）和注意力残差（Attention Residuals）构建，MoE 在 896 个专家中激活 16 个，支持 1,048,576 token 上下文窗口、原生视觉理解和 Tool Calling，7 月中旬正式发布。官方还提到，相比 K2 它的整体扩展效率提升约 2.5 倍，完整权重已发布。

据 AIbase 报道，K3 凭借前端能力带动 Kimi 的年经常性收入从 6 月的 3 亿美元冲到 8 月突破 10 亿美元。

K2.8 Preview 则是 9 月 12 日上线的产品端新主力，随后在 Kimi Code 和 Kimi Work 两个产品里全量铺开。官方信息是整体性能已接近旗舰 K3，编程（Coding）和 Agent 能力提升明显，1M 超长上下文面向所有会员档位开放。名字里的 Preview 表明它还是预览版，后续还会迭代。

一张表看懂核心差异

数据说明：K2.8 信息来自 AIbase 9 月 14 日报道，K3 参数、能力与限制来自 Kimi 开放平台官方文档，价格来自 官方定价页。

能力差距到底有多大

官方没有放出 K2.8 与 K3 的完整跑分对照，只给了「整体性能接近旗舰」的定性口径，重点强调编程和 Agent 两项的提升。这正是 Preview 版的常见定位：用更低的资源成本给你旗舰九成左右的体验。

诚实地说，量化的第三方实测目前还是空白。公开发布里能拿到的一手信息只有三类：一是官方文档里 K3 的架构与能力描述（2.8 万亿参数、KDA、原生视觉、1M 上下文），二是官方对 K2.8「接近旗舰、编程与 Agent 提升明显」的定性口径，三是 K3 已验证的产品化能力清单，比如长程编码、截图与视觉反馈驱动的前端与 CAD 任务。建议等权威基准更新后回看本文，届时会补充实测数据。

有一条判断经验是站得住的：K2.8 带 Preview 后缀，意味着官方自己也没把它定成终版。追极限能力或有视觉输入需求，选 K3；要的是日常稳定与成本可控，K2.8 就是当前产品端的最优解。

开发者视角：API 该用哪个

现阶段没有悬念，走 Kimi 开放平台只能调在售的这几个模型，价格全部来自官方定价页（每 1M tokens，1M = 1,000,000）：

已下线、调用会返回 404 的是 kimi-k2.5 与 moonshot-v1 系列（2026 年 8 月 31 日）、以及更早退役的 kimi-k2 系列。另外 K3 需要在开放平台充值解锁（最低 10 元），新用户注册认证赠送的 15 元代金券不可用于 K3。

成本怎么算：按官方单价折算的两个场景

按官方单价折算（不是实测，只是乘除法），差距很直观。假设一次任务输入 10 万 tokens、输出 2 万 tokens：

1. 输入全部未命中缓存：kimi-k3 是 0.1 × ¥20 + 0.02 × ¥100 = ¥2.00 + ¥2.00，合计约 ¥4.00；kimi-k2.7-code 是 0.1 × ¥6.50 + 0.02 × ¥27 = ¥0.65 + ¥0.54，合计约 ¥1.19。
2. 输入全部命中缓存：kimi-k3 的输入单价降到 ¥2，合计约 ¥2.20；kimi-k2.7-code 的输入降到 ¥1.30，合计约 ¥0.67。

也就是说，纯代码场景用 kimi-k2.7-code，成本大致是 K3 的三成不到，官方口径里「输出价格约为 K3 四分之一」的说法也是同一个量级。预算敏感、任务又是批量重复的，先把缓存前缀做长，比换模型省得更多。

迁移与切换成本：从 K2 系列换到 K3 要改什么

如果是从旧 Kimi 模型迁过来，这几条官方限制必须提前知道，否则上线才发现：

1. 旧模型直接 404。kimi-k2.5 和 moonshot-v1 系列 8 月 31 日下线，kimi-k2 系列 5 月退役，硬编码的模型名必须替换。
2. 多轮与工具调用必须原样回传完整 assistant message。只保留 content，模型会丢掉工具调用链路，表现是「多聊几轮就失忆」。
3. 思考模式关不掉。K3 始终开启思考，延迟敏感的场景只能把 reasoning_effort 设成 low，不能在请求里彻底关闭。
4. 缓存有 256 tokens 门槛。上一个请求的 prompt 不足 256 tokens 时不会被缓存，而是被丢弃；稳定的长前缀（知识库、代码库上下文）要放在前面。
5. 固定参数别乱传。temperature=1.0、top_p=0.95、n=1、presence_penalty=0、frequency_penalty=0 都是固定值，显式传反而容易出问题。
6. 视觉输入不支持公网图片 URL。必须用 base64 或 ms://<file-id>，且 content 必须是对象数组。
7. 联网搜索暂不建议用于生产。官方文档写明该工具正在更新。

对比其他国产模型的选择逻辑，可以参考站内的 ChatGPT Work 和 Claude Cowork 对比以及 DeepSeek V4 Pro 免费渠道实测。想知道 K2.8 本身是什么、怎么用上，可以看 [Kimi K2.8 Preview 是什么？

9月12日上线](https://www.ai345.info/ai-guide/kimi-k2-8-preview-explained)。