<mark id="oztn4"></mark>
0
作者丨鄭佳美
編輯丨馬曉寧
這兩天，X 上的科技博主 Rahul 分享了一套新的 AI 編程的新玩法：他把 Kimi K3 接入了 Claude Code，讓原本運行在 Claude 模型體系下的 AI 編程環境，調用 Kimi K3 作為背后的模型。
簡單來說，開發者依然使用 Claude Code 提供的開發體驗，讓它負責理解項目結構、讀取代碼文件、修改程序、執行測試以及管理整個編程流程，但真正負責推理和生成代碼的模型換成了 Kimi K3。
而這個組合帶來的結果非常明顯。
在 Rahul 分享的測試中，他使用了一個包含約 80 萬 token 穩定代碼上下文、每輪新增約 5 萬 token 的開發任務。這類場景已經接近真實的軟件開發環境，因為 AI 編程工具面對的并不是一次性的代碼生成，而是需要持續理解一個項目，在多個文件之間建立聯系，并根據執行結果不斷調整。
測試結果顯示，Kimi K3 結合緩存機制后，完成一次類似任務的成本約為 0.39 美元，而使用 Fable 5 這樣的高端模型處理同樣規模的上下文，成本可能達到 8.5 美元左右，兩者之間出現了超過 20 倍的價格差距。
對于偶爾使用 AI 的用戶來說，這種差異可能并不明顯，但對于每天依賴 AI 編程工具工作的開發者來說，模型成本會隨著調用次數快速累積。
這也是為什么開發者開始重新思考一個問題：是不是所有開發任務，都值得交給最昂貴的模型？
01
AI 編程和普通聊天最大的區別，在于模型面對的不再是一個個孤立的問題，而是一個持續推進的軟件工程任務。
一個 AI 編程 Agent 需要理解完整代碼庫，掌握不同文件之間的關系，根據目標修改代碼，運行測試，并在多輪交互中保持上下文。
在這種場景下，模型競爭的重點也不再只是“誰生成代碼更漂亮”，而是誰能夠以更合理的成本，長期穩定地參與開發流程。
Kimi K3 被開發者關注，正是因為它滿足了這一需求。
它的優勢不僅體現在價格上，更體現在長上下文處理能力和緩存機制上。對于大型軟件項目來說，模型需要理解幾十萬甚至上百萬 token 的代碼、文檔和歷史信息，能否穩定處理這些上下文，會直接影響 AI 是否真正具備參與軟件開發的能力。
因此，Kimi K3 的價值并不是替代所有高級模型，而是在大量高頻開發任務中提供一種更高效的選擇。
復雜架構設計、關鍵工程決策等任務仍然需要最強模型參與，但大量代碼閱讀、測試生成、簡單修改和項目維護，其實并不需要每一次都調用最高成本模型。雷峰網(公眾號：雷峰網)
未來 AI 編程可能不會是一個模型包辦所有工作，而是不同模型根據任務特點承擔不同角色。
02
但這件事情真正值得關注的地方，并不是 Kimi K3 便宜了多少，而是它暴露出了 AI 編程工具正在發生的一種變化。
過去，人們很容易把 AI 產品和背后的模型看成一個整體。使用 Claude Code，就意味著使用 Claude 模型。但實際上，開發者真正依賴的往往是 Claude Code 構建出來的工作流。
它能夠理解項目結構，管理文件修改，調用工具執行任務，規劃開發步驟，并讓 AI 持續參與整個軟件生產過程。這些能力構成了 Claude Code 的核心價值，而模型只是其中提供智能能力的一部分。
因此，把 Kimi K3 接入 Claude Code，并不是放棄 Claude Code，而是在保留成熟開發流程的基礎上，更換底層模型。
這意味著，未來 AI 軟件可能會逐漸出現類似計算機產業的分工：模型像底層計算能力，而 Agent 工具負責組織這些能力，并將它們轉化為實際生產力。
也正是在這個背景下，Kimi 推出 Kimi Code CLI 變得更加值得關注。
如果 Kimi 只是希望成為一個模型供應商，那么讓 Kimi K3 被更多 AI 編程工具調用已經足夠。但它同時推出自己的編程工具，說明它并不滿足于只提供模型能力，而是在嘗試建立自己的開發入口。
Kimi K3 接入 Claude Code，是讓自己的模型進入已有 AI 編程生態；Kimi Code CLI，則是在構建屬于自己的 AI 編程環境。
一個動作是在爭奪模型層的位置，一個動作是在爭奪用戶每天工作的入口。而 AI 時代真正有價值的位置，往往就在用戶工作流程之中。
03
過去幾年，大模型行業競爭主要圍繞一個問題展開：誰擁有更強的模型。各家公司不斷提升參數規模、推理能力和代碼能力，希望證明自己的模型更加聰明。
但隨著模型能力逐漸提升，行業正在進入另一個階段。當越來越多模型都能夠完成代碼生成、邏輯推理和復雜任務處理之后，真正決定價值的可能不再只是模型本身，而是誰能夠更好地組織這些模型，讓它們進入真實工作流程。
未來的 AI 編程工具，可能不會要求用戶永遠選擇某一個固定模型，而是根據任務需求自動調度不同能力。
復雜架構設計可以交給最強推理模型，大量日常開發任務可以交給高性價比模型，而 AI Agent 負責協調這些能力，讓整個軟件生產流程更加高效。
這其實和過去的軟件產業發展有些相似。早期計算機競爭，關注的是硬件性能；后來競爭轉向操作系統和生態；再后來，真正決定價值的是誰能夠連接用戶和服務。
AI 時代可能也會經歷類似變化。模型決定智能上限，但工作流決定智能能夠創造多少價值。
從 Kimi K3 接入 Claude Code，到 Kimi Code CLI 的推出，背后反映的并不是一次簡單的模型替換，而是 AI 編程正在從“選擇一個模型”，走向“構建一個智能協作系統”。
未來真正重要的，可能不是誰擁有唯一最強的大腦，而是誰能夠讓越來越多不同能力的模型協同工作，并真正進入人類的軟件生產流程。雷峰網
參考鏈接：
https://x.com/sairahul1/status/2079091878482624755?s=46
上車，帶你看遍全球 AI 頂會精華
可獨家暢覽：
專家演講PPT
大會報告全文
熱門論文解讀
學術新星訪談
掃描上方二維碼
或點擊「閱讀原文」關注專區。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
