每周AI工具|一句话生成3A游戏、300个子Agent开工:Kimi写进App商店的宣传,能信几分?

AI工具 AI科研专家 — 用AI做科研的效率工具

文件级交付 · 模型回读 · 渲染自检 · 许可边界

点击文末「阅读原文」直接使用

关注「AI-For-Precision-Health」 — 每天一篇AI科研实操干货

食品 · 医药 · 器械 · AI工具 · 科研Skill — 让AI真正帮你做科研。

一个 App 商店的功能介绍页，写着「一句话生成 AAA 级多人 3D 游戏」和「300 个子 Agent 同时开工」——而它对应的旗舰模型，连一张正式的模型卡都还没有。

我上周更新手机里的 Kimi，往下翻 App Store 功能列表的时候愣了一下：Agent 集群、Office 全家桶无损转换、Kimi Claw 云端智能体——每一行都写得像产品发布会，不像应用商店。更怪的是，我顺手对照了其他渠道：iOS 官方商店写着「调度多达 100 个分身，并行处理 1500 个步骤」，第三方安卓市场的 3.1.3 版本页面却写着「300 个子 Agent 执行 4000 步」「一句话生成 AAA 级多人 3D 游戏」——同一款 App，两个渠道，两套数字[3][8]。再往模型层查，这些能力对应的旗舰 Kimi K3.1 还压在灰度测试里，开放平台后端只有一个被开发者扒出来的内部标识符「kimi-k3-1」，官方连一张模型卡都没发[5][7]。

这不是月之暗面一家的问题，它是一个越来越常见的模式：宣传先落地，交付在灰度，验证没人做。App 商店的文案是厂商自己写的，基准分数是训练方自己报的，「10 倍效率」是自己测的——整条证据链的起点和终点都是同一家公司。

所以这篇的命题很直接：大厂把未验证的宣传写进官方渠道，读者该信几分？具体拆成两个问题：写进 App 商店的那些宣传，哪些有官方数据撑着，哪些只是文案？以及如果你真的想让这 300 个子 Agent 替你干活，账单会是什么样？

一、先看能核验的部分：K3 的官方模型卡写了什么

把宣传放一边，K3 本体是能查的。Hugging Face 上 moonshotai 组织的模型卡写得很细：总参数 2.8 万亿，每个 token 激活 104B；896 个路由专家中每个 token 点名 16 个，外加 2 个共享专家；93 层里 69 层用自研的 Kimi Delta Attention（KDA），24 层用门控 MLA；上下文窗口 1,048,576 个 token，原生视觉输入靠 401M 参数的 MoonViT-V2 编码器；权重按 MXFP4 量化、激活 MXFP8，训练阶段就做了量化感知[1]。【事实】以上每一个数字都能在模型卡上逐行对到，包括许可协议——它用的是「Kimi K3 License」，一个自定义许可，不是 Apache 2.0[1]。

有一个数字我特意核了：官方称 K3 是「全球首个开源的 3 万亿级开放权重模型」[1]。这句话的逻辑重音在「3T 级」和「开放权重」上——2.8 万亿确实够到 3T 档位，权重也确实挂在 Hugging Face 上可下载，月下载量过了 100 万，社区有 51 个微调、57 个量化衍生[1]。但「开源」二字要打个折：自定义许可不是 OSI 认证开源，商用条款要单独读。这是我第一次查它的许可时踩的坑——我原本以为 2.8T 开源等于随便部署，读完许可才发现「开放权重」和「开源许可」之间隔着一整页法律文本。

本节结论：▸ K3 的硬数据全部可核验，且经得起逐行对照；但「开源」的表述需要降级为「开放权重 + 自定义许可」，这两个词在商用时是完全不同的两件事。

二、再看宣传的部分：三个渠道，三套口径

把宣传侧的证据摆在一起，你会发现「官方说法」不是一个点，是一条光谱。【事实】iOS 官方 App Store（19 万评分，现役文案）宣传的是 K2.5 实装：「上线即开源」「Agent 集群可现场调度多达 100 个分身，并行处理 1500 个步骤，将原本耗时的工作压缩至分钟级交付，实现 10 倍以上的效率提升」，外加 Kimi Claw（多合一 OpenClaw 全能套件，零配置解锁云端智能体）[3]。【事实】而第三方安卓市场的 Kimi 3.1.3 版本页面（10 月 6 日更新）写的是另一套：K3 已实装、「一句话输入，产出一个 AAA 级多人 3D 游戏」、「动态调度最多 300 个子 Agent 执行 4000 步」、接入 Wind 和标普数据源[8]。

两页文案都姓「官方」，数字却差了一倍以上——iOS 说 100 个分身，安卓渠道说 300 个子 Agent；iOS 主推 K2.5，安卓页面写 K3。【判断】这种渠道间的口径漂移本身就是证据：宣传数字还在流动中，没有一处是定稿。应用商店文案不是科学论文，没人要求它版本一致——但当你引用其中任何一个数字去论证「AI 已经能怎么怎样」时，你引用的是一个还在变的中间态。

我猜这个场景你不陌生：课题组群里有人甩来一张截图——「AI 一句话生成了一个游戏，科研人员要失业了」。我上回在群里见到时顺手查了出处，发现那条消息的源头正是安卓渠道这页文案，而不是任何一份可核验的技术报告。查出处这个动作只要一分钟，却是绝大多数转发永远不会发生的一步——这也是我写这篇的直接动机：把那「一分钟」替你先走了。

本节结论：▸所谓「官方宣传」至少有三个版本（iOS 商店、第三方安卓市场、模型卡），每个版本的数字都不一样——引用之前先问一句：你引的是哪一版？

三、中间那层：K3.1 的灰度证据链，目前只有「指纹」

宣传里那些最猛的能力（长程自主任务、3D 代码增强、操作电脑），对应的下一代旗舰 K3.1 处于什么状态？把目前能查到的证据按时间排一下：【事实】9 月 28 日，开发者在月之暗面开放平台的 API 后端注册表里发现了可调用的「kimi-k3-1」标识符；随后开放平台出现 K3.1 预览，标称 100 万 token 上下文；官网前端出现了「k3d1-agent」标识符和新的 bot 模块，外界猜测是类似 GrokBot 的产品形态[5][7]。

【推断】从这些指纹推测，K3.1 的增量不在参数量（上下文与 K3 持平，参数未确认），而在推理分档和编排层：传闻提供 Low / High / Max 三档推理，外加 Agent 模式、Swarm 多智能体协作、任务模式三个开关[5][7]。推论：如果这个产品结构属实，Kimi 的竞争策略就不是「更大的模型」，而是「同一颗脑子，按任务难度收不同的算力钱」——推理分档改变的首先是大模型的经济学，其次才是能力[5]。

但我要把丑话说在前面：【判断】以上所有关于 K3.1 的具体能力描述，截至发稿没有任何一条来自月之暗面的官方公告——identifier 是开发者扒出来的，功能清单是媒体根据指纹推测的，连「K3.1」这个名字都还没出现在官方 model card 上[5][7]。写这篇文章的时候我给自己定了条规矩：凡是 K3.1 的内容，一律标注「灰度/传闻」，不和 K3 的已核验数据混排。

本节结论：▸ K3.1 的证据链目前只有「平台指纹」这一层，官方一个字没说——所有关于它的能力叙事都应该默认降级为传闻，直到 model card 出现。

▲ Kimi 宣传的三个证据层：模型卡可核验 → 商店文案厂商自证 → 灰度指纹纯传闻。你转发的那句金句，先看它在第几层。

四、KDA 讲人话：一张便签纸和一份快照

模型卡里最值得讲人话的是 KDA（Kimi Delta Attention）。传统注意力机制下，上下文越长，KV Cache 越大，显存消耗跟着暴涨——这是所有长上下文模型绕不开的成本曲线。KDA 的做法，用新浪报道里的比喻：模型的前几层持续维护一张「运行摘要」便签纸，把最重要的信息压缩在上面，无论上下文多长，便签纸大小基本不变；为了补回细节，每隔四层做一次全上下文的「快照压缩」，需要时临时解压查看，再重新压回去[5]。

【事实】架构参数（69 层 KDA + 24 层门控 MLA、注意力隐藏维度 7168、96 头）在模型卡上可查；官方称这套组合带来约 2.5 倍于 K2 的扩展效率[1][5]。【判断】「2.5 倍扩展效率」是厂商口径的训练效率声明，不等于你的推理账单会降 2.5 倍——训练时的效率优势要传导到 API 价格上，中间隔着推理框架、批处理策略和商业定价三层。

本节结论：▸ KDA 是真实的架构创新，1M 上下文是真实的窗口；但架构效率与你的实际成本之间没有直连通道，别把架构论文的优化倍数当成账单折扣。

五、「一句话生成 3A 游戏」，这个词该信几分？

现在拆最抓眼球的宣传。先说明出处：「一句话生成 AAA 级多人 3D 游戏」这句文案出现在第三方安卓市场的 3.1.3 版本页面[8]，iOS 官方商店现役文案里没有这句话。游戏行业里「3A」（AAA）指的是高预算、高体量、高宣传投入的产品级别——一款真正的 3A 游戏需要数百人团队、数年开发、上亿美元。「一句话生成 AAA 级多人 3D 游戏」这句话里的「AAA」，显然不是这个意思——它指的是「画面看起来挺精致」。【判断】这是厂商对行业术语的一次降维借用：借用了 3A 的光环，没继承 3A 的定义。严格说这不构成虚假宣传（没人规定商店文案必须遵守游戏行业术语），但它确实让读者自动补全了不存在的含义。

那实际能生成什么？【事实】该功能的实机演示显示，产出的是浏览器可玩的 3D 小游戏：有完整的世界观、角色、关卡和战斗循环，能试玩能迭代[5][8]。这个水平放在两年前是不可想象的，放在今天也是第一梯队。【推断】但「能玩的 3D 网页游戏」和「AAA 多人 3D 游戏」之间的差距，大概相当于「能跑的卡丁车」和「F1 赛车」——前者是真实交付，后者是营销词汇。推论：这类宣传的真正风险不是它做不到，而是它把用户的预期锚定在「3A」上，然后让真实的交付看起来像失败——明明是第一梯队的成果，被自己家的文案拖累成了「不符预期」。

本节结论：▸ 「一句话生成 3A 游戏」里每个词都该重新称重——「一句话」「3D 游戏」是真的，「3A」「多人」是营销修辞；交付物本身值得肯定，宣传词不值得。

六、300 个子 Agent 的账单：我算了一笔没人愿意算的钱

「300 个子 Agent 执行 4000 步」这句话，我从第一次读到就想算账。按 iOS 官方商店的口径算：一次集群任务调度 100 个分身、并行处理 1500 步，每步是一次模型调用加上工具往返[3]。按 Agent 任务的典型 token 消耗——每步输入带上下文和工具结果，输出是决策和指令——单步 2 万到 5 万 token 是常态。取中间值每步 3.5 万 token，1500 步就是约 5,000 万 token；若按第三方页面的 300 子 Agent·4000 步上限[8]，则奔着 1.4 亿 token 去。按 K3 官方 API 定价（$3/百万输入、$15/百万输出，混合估算按每百万 token $6 计），官方口径的一次满负荷任务账单在 300 美元上下，第三方口径的上限场景破千美元[1][6]。

【判断】我必须承认这是一笔带假设的估算——步均 token 没有官方数字，我的系数全来自自己做 Agent 项目的经验值。但这笔账的意义不在精确，在于它揭示了「10 倍效率」文案的另一半：效率倍数和成本倍数是同一枚硬币的两面。把小时级工作压到分钟级，代价是把人工成本换成 token 成本——而 4000 步的每一次，都是要付费的[3][6]。

推论：Agent 集群类功能真正的竞争壁垒不是「能调度多少个子 Agent」——工程上这不难——而是「单位任务的 token 经济学」。谁的推理分档做得好（简单步骤用 Low 档、关键决策用 Max 档），谁就能在这场算力军备竞赛里把账单打到对手的三分之一。K3.1 传闻里的三档推理，瞄准的正是这个[5][7]。

落到你自己的项目上，我的用法是把它当「预算敏感型工具」对待：开跑前先估步数（子任务数 × 预期轮次），拿小样本试水一次、记下单任务的真实 token 消耗，再决定放不放集群。文献综述这类可拆任务，先拿十几篇试一轮看消耗，远比一上来放满上千步、跑到一半才发现既烧钱又跑偏要稳——账单和任务漂移，永远是同一批没人盯的步骤里长出来的。

本节结论：▸ 300 个子 Agent 是工程能力，几百美元是一次任务的隐性价格——宣传写了前者，没写后者，而后者决定你用不用得起。

七、竞品不等人：DeepSeek 把基准追平了

K3 发布于 7 月 17 日，到 10 月中旬正好三个月。这三个月里赛道发生了什么？10 月 17 日，DeepSeek 发布 V4.1-Flash-1017，快科技 10 月 18 日的报道直接点名：「V4.1 Flash-1017 目前的性能基准几乎全面超过 K3」——同时 DeepSeek 相关能力也在快速产品化[4]。

【事实】两家都是厂商自报基准，互相之间没有第三方仲裁；「几乎全面超过」是媒体的概括，不是基准报告的原话[4]。【判断】但这不影响一个结构性事实：K3 靠 2.8T 参数建立的领先窗口，只维持了三个月——而且这三个月里，K3 自身的定价、速度、用量问题一直被用户吐槽，快科技的原话是「月之暗面需要在 K3.1 上做出让大家满意的改变」[4]。

这就是为什么「宣传先行」的打法在这条赛道上格外危险：窗口期比产品周期短。App 商店的功能文案可以提前一个季度写好，但基准榜每天在变。等你把宣传铺满、灰度测完、正式发布，竞品的新版本可能已经把你的「领先」变成了「追平」——到时候最先尴尬的是自己写下的那句「AAA 级」。

本节结论：▸ K3 的领先窗口只有三个月且已被追平，这解释了为什么 K3.1 急着灰度——但对用户来说，基准榜的变动速度就是「厂商宣传保质期」的倒计时。

八、自我反驳与三个分歧点

先交底本文论证依赖的三个前提——前提1：Hugging Face 官方模型卡的内容真实反映 K3 模型本身；前提2：iOS 官方 App Store 的功能文案对应已上线功能；第三方安卓市场页面则按传闻材料对待；前提3：厂商自报的性能数据目前无独立第三方复核。以下反驳与分歧均在这三个前提下成立，前提若塌则结论重估。

反驳一：你这是在苛求营销文案，产品宣传从来不承诺科学精度。回应：我不反对营销修辞，我反对的是证据链的单源化。「10 倍效率」的测试者、发布者、受益者是同一家公司，而这条声明会被媒体转述、被用户引用、最终变成「公认事实」——整个传播链里没有一个环节要求它拿出对照实验。营销可以夸张，但夸张的部分应该被标记为夸张。

反驳二：300 个 Agent、4000 步这些数字就算打折，方向也是对的——你是不是在否定整个 Agent 集群路线？回应：恰恰相反，第六节我算账的前提是「这条路能走通」。我批评的从来不是能力，是宣传先于验证的顺序。功能描述写成「动态调度子 Agent 完成多步任务」没有问题；写成「效率提升 10 倍以上」就必须附上基线。方向和修辞是两件事。

分歧点一：厂商自报基准到底算不算证据？我的立场：算「线索」，不算「证据」——它可以被引用，但必须带着「vendor-stated」的标签。有人认为厂商基准也是同行评议的对象，引用时不需要标签；我认为在基准测试普遍缺乏统一仲裁的当下，标签是最低成本的对冲。

分歧点二：推理分档（Low/High/Max）是创新还是割韭菜？我倾向于创新——它把「为任务难度付钱」变成了可选项，简单任务终于不必烧旗舰算力。但也有人认为这是把本该一体的能力拆开重复收费。判定权在你自己的账单上。

分歧点三：2.8T 开放权重对行业是好事还是军备竞赛？乐观方说它拉低了前沿研究的门槛（月下载 100 万、51 个微调、57 个量化是真金白银的生态[1]）；悲观方说 3T 级模型的训练成本只有少数机构负担得起，「开放权重」只是把比赛从闭源卷到开源，门槛不降反升。我还没想清楚站哪边。

不确定一：Agent Swarm 的真实成功率。4000 步的长程任务，行业普遍的失败模式不是单步出错而是中途跑偏——「分钟级交付」的宣称里，有多少任务真正走完了 4000 步而没有中途漂移，没有任何公开数据。

不确定二：K3.1 的正式发布时间和最终规格。本文所有 K3.1 内容都可能被官方一纸公告修正——如果 model card 出现后与本文推断冲突，以官方为准，欢迎回来打脸。

九、你可能想问的四个问题

Q1：Kimi K3.1 现在能用吗？严格说：不能正式用。现役可用的是 Kimi K3（App 和 API 都在线，权重在 Hugging Face）[1]；K3.1 处于灰度测试，只有开发者扒到的 API 标识符和平台预览，没有官方发布[5][7]。

Q2：K3 免费吗？App 端有免费额度；API 按 token 计费，官方价 $3/百万输入、$15/百万输出[6]。权重下载免费，但部署 2.8T 模型对显存的要求不是个人玩家能轻易满足的——这也是为什么社区衍生以量化版为主[1]。

Q3：「一句话生成 3A 游戏」真的能玩吗？能玩，但请把「3A」两个字从脑子里删掉再试。产出是可玩的 3D 网页游戏，有完整的世界观和战斗循环；当作玩具和原型验证是惊喜，当作 3A 交付是落差[5][8]。

Q4：做文献综述，Kimi 的 Agent 集群和单 Agent 循环该怎么选？我的经验值：任务能否拆成互不依赖的子问题，是唯一的分界线。综述的「按主题分库检索」可拆，适合 Swarm；「通读全文后写批判性综述」不可拆，串行单 Agent 更稳还更便宜。别为了 300 个子 Agent 的排面，把 200 美元能干完的活干成 800 美元。

十、把宣传当假设，把账单当事实

回到开头的问题：写进 App 商店的宣传，能信几分？综合评分：架构数据 9 分（模型卡逐行可查，是我见过写得最细的一档）；功能存在性 7 分（商店文案对应的功能真实上线，但验收标准归厂商）；性能声明 4 分（10 倍效率、AAA 级，全部缺独立复核）；未来承诺 2 分（K3.1 的能力清单来自灰度指纹和媒体推测）[1][3][5][7]。

这不是给 Kimi 打低分——恰恰相反，2.8T 开放权重、KDA 架构、月下载百万的生态，都是硬货。我想留下的只有一个习惯：读到任何「官方宣传」，先问一句「这句话的验收标准在谁手里」。验收标准在厂商手里的，当假设对待；有第三方数据或你自己实测撑着的，才升级为事实。大模型的宣传周期已经卷到了「先写商店文案、再补模型卡」的地步，读者手里的防御工具只剩这一句追问。

▲ 四层宣传的核验打分：架构数据 9 分，功能存在 7 分，性能声明 4 分，未来承诺 2 分。

创作来源说明：本文由作者与 AI 协作完成——选题核证与框架由作者主导，AI 辅助整理资料与初稿，全部关键数字经作者逐条对照官方模型卡与公开报道核验；文中「我的经验值」「我算了一笔账」均为作者个人判断，可能与你的实测不符。转载请注明出处。

参考文献（可点击原文查看）

[1] Moonshot AI. Kimi K3 Model Card. Hugging Face, 2026. URL: https://huggingface.co/moonshotai/Kimi-K3

[2] Moonshot AI. Kimi K3 Technical Blog. kimi.com, 2026. URL: https://www.kimi.com/blog/kimi-k3

[3] Kimi（K2.5 实装与 Agent 集群功能文案）. Apple App Store（CN）, 2026. URL: https://apps.apple.com/cn/app/kimi/id6474233312

[4] 快科技. DeepSeek之后又一家国产AI出大招：2.8万亿参数 Kimi K3.1已现身. 新浪财经, 2026-10-18. URL: https://finance.sina.com.cn/tech/roll/2026-10-18/doc-inivrzvi7795482.shtml

[5] 新浪新闻. 大模型不再只聊天，Kimi K3.1 把靶心移到了「会干活」. 2026-10. URL: https://www.sina.cn/news/detail/5347010929494026.html

[6] OrcaRouter. Kimi K3.1: The Search-Box Name for Kimi K3, and What Moonshot Actually Ships. 2026-10. URL: https://www.orcarouter.ai/blog/kimi-k3-1

[7] Asia Daily. Kimi K3.1 Release Signals Emerge as Moonshot Prepares Its Next AI Upgrade. 2026-10. URL: https://asiadaily.org/news/15760

[8] Kimi 版本 3.1.3 功能列表（第三方安卓市场页面）. CafeBazaar, 2026-10-06 更新. URL: https://bugbounty.cafebazaar.ir/app/com.moonshot.kimichat?l=en