Kimi 釋出新模型 `k3-256k`，提供成本較低且適合短範圍程式碼輔助的選項
為何重要
Kimi 推出專門針對程式碼開發情境最佳化的 k3-256k，是「模型微調與專用化」的一個實際案例。對產業而言，廠商透過將「通用 1M 上下文需求」拆解為特定長度的高效能產品，能有效降低開發者使用 AI 程式碼輔助的單位成本（User Perceived），這是對抗 DeepSeek 等低成本競品的重要策略。建議關注此類「針對 Agent 執行效率最佳化（如停止支援非必要的長 Context 維護）」的產品演化方向。
Kimi Code 目前提供多種模型，包含新推出的 k3-256k，該模型在 256k 的 context window 下提供與 k3 (1M) 相同的結果。
k3-256k的耗量約僅k3(1M) 的兩分之一，適合日常對話、程式碼補全及小型檔案編輯，但 不支援影片輸入。- 切換模型會導致既有的 context cache 失效而需重新填補 Token，建議切換後建立新 session 以獲得更佳效果並避免額外消耗。
- 根據付費計畫不同，
k3支援的上下文長度限制也不同，k3-256k則固定維持 256k 上下文。