KeyFrame內部研究專用

Kimi K3: Can It Beat Opus 5 on 3D Worlds?

Prompt Engineering10 min英文
觀看原始影片

三句話摘要

測試開源模型 Kimi K3 在複雜長程規劃任務上與 Opus 5 的能力對比。 開源模型 Kimi K3 配合 Claude Client 框架,已能承擔複雜編排任務的實作工作,成本僅為前沿模型十分之一,值得作為生產工具考慮。 長程規劃能力是關鍵:此任務要求模型創建多個子代理、相互驗證、反覆迭代改進。Opus 5 用 20% 周度額度完成,Kimi K3 也能完成但用時較久,展示開源模型在複雜編排任務上的可行性。

重點整理

  1. 長程規劃能力是關鍵:此任務要求模型創建多個子代理、相互驗證、反覆迭代改進。Opus 5 用 20% 周度額度完成,Kimi K3 也能完成但用時較久,展示開源模型在複雜編排任務上的可行性。

  2. 迭代優化勝於單次輸出:模型最精彩之處不在一次生成,而在於看到生成物後自我改進。Kimi K3 多輪迭代中持續調整建築距離、改善材質一致性,證明給好的反饋迴圈設計,開源模型能逐步逼近目標。

  3. 成本與效能權衡:Opus 5 約花 10 美元完成全過程,Kimi K3 用 Claude Client 訂閱能顯著降低成本,代價是需更多迭代輪次。適用於對時間要求不急的實作工作。

  4. 開源框架(Claude Client)的價值:統一的訂閱制、2-5 倍標準 API 配額、可視化子代理狀態、支持 IDE 擴展與 CLI,讓開源模型變成實用的生產工具。

實用技巧與重點

  • 模型:Kimi K3、Opus 5、Fable 5、Llama 5.2
  • 工具:Claude Client(開源代理框架)、Apache 2.0 許可證、GitHub 6.5 萬星
  • Claude Client 特性:
  • CLI 終端界面
  • IDE 擴展
  • SDK 集成
  • Claude Pass 訂閱(2-5 倍 API 配額、低成本)
  • 安裝指令:`npm install claude`,`claude run` 啟動
  • 測試成本:Opus 5 約 10 美元(周度額度 20%)
  • 代理架構:1 個編排器 + 7 個子代理
  • 輸出格式:3D 可探索世界(Three.js)
  • 可視化功能:實時查看各子代理 ID、角色、描述、狀態(工作中/空閒)

結論

開源模型 Kimi K3 配合 Claude Client 框架,已能承擔複雜編排任務的實作工作,成本僅為前沿模型十分之一,值得作為生產工具考慮。

完整解析

講者的核心問題是:開源的 Kimi K3 能否媲美 Opus 5 完成複雜的多代理編排任務?任務本身是將一張建築參考圖轉換為全 3D 可互動的世界——這不只是渲染圖像,而是要用代碼生成物理正確、視覺連貫、可操控的場景。先前 Opus 5 的表現設置了高標:耗費周度配額 20% 才得到精美成果,約 10 美元成本。

測試使用 Claude Client,一個 Apache 2.0 開源代理框架,已在 GitHub 獲得 6.5 萬星。它的優勢在於統一的 Claude Pass 訂閱制——用戶無需分別註冊各家 API,一次訂閱即可訪問 Kimi K3、Llama 5.2 等最新開源模型,且配額是標準 API 的 2 至 5 倍。安裝只需 `npm install claude` 和 `claude run` 即可啟動圖形界面。

Kimi K3 進行了多輪迭代。初版產出平滑、互動流暢,但精度不如 Opus 5。講者觀察到,初始生成的建築間距過寬,與參考圖相悖。代理接收此反饋後,主動拉近建築距離,改善屋頂材質、煙囪逼真度。通過 4 到 5 輪迭代,視覺一致性明顯上升,最終結果雖未達 Opus 5 水準,但足以作為生產級實作原型。Claude Client 提供了關鍵的可視性:用戶能實時看到各子代理的 ID、角色、工作狀態,理解複雜編排系統的內部運作。

成本對比發現 Kimi K3 顯著更低——按需要的迭代輪次估算,開源模型配合 Claude Pass 可能僅需 Opus 5 費用的十分之一。講者的結論是實用的權衡:設計決策與架構仍應交給 Opus 5 或 Fable 5,但一旦方向確定,Kimi K3 與開源框架已足勝任實作細節、迭代打磨的角色。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。