Kimi K3 โมเดลตัวใหม่จากค่าย Moonshot AI ของจีน เปิดตัวเมื่อวันที่ 16 กรกฎาคม 2026 ข้อสอบข้อแรกที่มันเจอไม่ใช่โจทย์คณิตศาสตร์หรือข้อสอบมาตรฐาน แต่เป็นประโยคสั้นๆ ว่า "วาดรูปนกกระทุงขี่จักรยานให้หน่อย" คนตั้งโจทย์คือ Simon Willison นักพัฒนาที่รีวิวโมเดลใหม่ทีละตัวลงในบล็อกของตัวเองมาตลอด เขาใช้โจทย์ข้อนี้ข้อเดียวทดสอบโมเดลใหม่ทุกตัวมา 21 เดือนแล้ว

ที่แปลกกว่านั้นคือ ทุกวันนี้เขาบอกเองตรงๆ ว่าอย่าเทียบความเก่งของโมเดลจากภาพนกกระทุง เพราะภาพนี้ไม่สะท้อนความเก่งจริงอีกแล้ว แต่พอมีโมเดลใหม่ออกมา เขาก็ยังสั่งวาดอยู่ดี ตอนทดสอบ K3 เขาสั่งให้วาดภาพหนึ่งรูปและจ่ายไป 25 เซนต์ ภาพนั้นเผยนิสัยของโมเดลหลายอย่างที่ตารางคะแนนทางการไม่เคยบอก

Kimi K3 ใหญ่ 2.8 ล้านล้านพารามิเตอร์ แต่ยังโหลดไปรันเองไม่ได้

ขนาดของ K3 อยู่ที่ 2.8 ล้านล้านพารามิเตอร์ ซึ่งพารามิเตอร์คือช่องเก็บสิ่งที่โมเดลเรียนรู้มา ทางค่ายเรียกมันว่าโมเดลที่เก่งที่สุดของตัวเองเท่าที่เคยทำมา

ตอนนี้ K3 เรียกใช้ได้แค่สองทาง คือผ่านเว็บของ Moonshot กับผ่าน API ซึ่งเป็นช่องทางที่ให้โปรแกรมอื่นเรียกโมเดลไปใช้ได้ ส่วนไฟล์โมเดลที่จะโหลดไปรันบนเครื่องตัวเอง ค่ายสัญญาว่าจะปล่อยภายในวันที่ 27 กรกฎาคม 2026

ค่ายเรียกมันว่าโมเดลระดับ 3 ล้านล้านพารามิเตอร์ตัวแรกที่เปิดไฟล์ให้โหลด โดย K3 ชิงตำแหน่งโมเดลที่ใหญ่ที่สุดในกลุ่มนี้มาจาก V4 Pro ขนาด 1.6 ล้านล้านพารามิเตอร์ของ DeepSeek ส่วนตัวเลข 3 ล้านล้านนั้น คนรีวิวแซวไว้ว่าคือการปัด 2.8 ขึ้นมา K3 ยังรับรูปเป็นโจทย์ได้ด้วย

ราคาเรียกใช้อยู่ที่ 3 ดอลลาร์ต่อ token ขาเข้าหนึ่งล้านตัว และ 15 ดอลลาร์ต่อขาออกหนึ่งล้านตัว โดย token คือชิ้นส่วนย่อยๆ ของข้อความที่ระบบใช้วัดปริมาณงานเพื่อคิดเงิน ตัวเลขคู่นี้อยู่ในระดับเดียวกับราคาของโมเดลตระกูล Claude Sonnet จาก Anthropic คนรีวิวบอกว่า K3 เป็นโมเดลที่แพงที่สุดเท่าที่ค่าย AI จีนเคยปล่อยมา รุ่นก่อนอย่าง Kimi K2.6 คิดราคาอยู่แค่ 0.95 กับ 4 ดอลลาร์ เท่ากับขาเข้าแพงขึ้นราวสามเท่า ส่วนขาออกเกือบสี่เท่า

ตัวเลขชุดแรกมาจากคนทำโมเดลเอง

ตารางคะแนนที่มากับ K3 ในวันเปิดตัว เป็นตัวเลขที่ค่ายวัดเองแล้วรายงานเอง โดยค่ายรายงานว่าคะแนนส่วนใหญ่ชนะโมเดลคู่แข่งจากฝั่งอเมริกาอย่าง Claude Opus 4.8 max กับ GPT-5.5 high แต่แพ้ Claude Fable 5 กับ GPT-5.6 Sol

ตัวเลขจากคนนอกก็เริ่มทยอยออกมาแล้ว K3 ขึ้นเป็นอันดับหนึ่งบนกระดาน Frontend Code ของ Arena.ai ซึ่งเป็นสนามวัดงานเขียนหน้าเว็บ แซง Claude Fable 5 ไปได้ อีกชุดมาจากรายงานขององค์กรประเมินโมเดลภายนอกอย่าง Artificial Analysis ซึ่งคนรีวิวหยิบมาอ้าง การทดสอบนี้ไม่เปิดเผยข้อสอบ และวัดผลจากงานที่ต้องทำต่อเนื่องหลายขั้นกว่าจะเสร็จ

ในสนามนั้นเขาให้แต้มกันด้วยระบบ Elo แบบเดียวกับที่ใช้จัดอันดับนักหมากรุก คือใครชนะบ่อยกว่าก็ไต่แต้มขึ้นไปเรื่อยๆ K3 ทำได้ 1547 แต้ม นำ K2.6 อยู่ 732 แต้ม และเป็นรองแค่ Claude Fable 5 ตัวเดียว

รายงานเดียวกันคิดต้นทุนต่องานหนึ่งชิ้นของ K3 ไว้ที่ 0.94 ดอลลาร์ ใกล้เคียงกับ GPT-5.6 Sol ที่ 1.04 ดอลลาร์ และราวครึ่งเดียวของ Opus 4.8 ที่ 1.80 ดอลลาร์ แต่ก็ยังแพงกว่าโมเดลที่ปล่อยไฟล์ให้โหลดตัวอื่นๆ อีกอย่างที่เห็นคือ เมื่อวัดตามดัชนีของรายงาน K3 ตอบสั้นลงจาก K2.6 ถึง 21%

นกกระทุงหนึ่งรูป 25 เซนต์

ตัวเลขข้างบนทั้งหมดมาจากตารางที่คนอื่นวัดมาให้ ส่วนสิ่งที่คนรีวิวลงมือทำเองมีอยู่อย่างเดียว คือส่งโจทย์หนึ่งประโยคเข้าไปหาโมเดล เขาไม่ได้เรียกผ่านเว็บของ Moonshot แต่เรียกผ่าน OpenRouter บริการที่ใช้คีย์เดียวเชื่อมต่อ API ของหลายค่ายได้ จึงไม่ต้องสมัครคีย์ใหม่กับ Moonshot คำสั่งทั้งหมดก็ยาวแค่บรรทัดเดียว

llm -m openrouter/moonshotai/kimi-k3 'Generate an SVG of a pelican riding a bicycle'

โจทย์คือให้วาดนกกระทุงขี่จักรยานออกมาเป็น SVG ซึ่ง SVG คือไฟล์ภาพที่สร้างด้วยโค้ด ไม่ใช่ภาพถ่าย โมเดลจึงไม่ได้วาดเหมือนคน แต่ต้องกำหนดเป็นตัวเลขว่าจะวางเส้นตรงไหน วงกลมขนาดเท่าไร และชิ้นไหนอยู่บนชิ้นไหน แล้วประกอบทั้งหมดเป็นนกกระทุงคร่อมจักรยาน นี่คือรูปที่ K3 ส่งกลับมา

ค่าใช้จ่ายของรูปเดียวนี้อยู่ที่ 25 เซนต์ มาจากโจทย์ขาเข้า 95 token กับคำตอบขาออก 16,658 token ในจำนวนขาออกนี้ มี token ที่โมเดลใช้คิดในหัวก่อนตอบถึง 13,241 ตัว เหลือเป็นเนื้อคำตอบจริงๆ แค่ 3,417 ตัว สาเหตุคือ K3 มีระดับความคิดให้เลือกแค่ระดับเดียวชื่อว่า max ไม่ว่างานจะง่ายแค่ไหน มันก็ทุ่มคิดเต็มที่เท่ากันหมด และสั่งให้คิดน้อยลงเพื่อประหยัดไม่ได้

หลังจากได้รูปมา เขาป้อนรูปนั้นกลับเข้าไปให้ K3 ดู แล้วสั่งให้บรรยายว่าเห็นอะไร รอบนี้จ่ายไปราว 0.6 เซนต์ คำบรรยายที่ได้ตรงและละเอียด โดยบอกว่าเป็นนกกระทุงขาวผูกผ้าพันคอแดง ขี่จักรยานสีแดงบนถนนเทาที่มีเส้นประขาว นกมีจะงอยปากส้มขนาดใหญ่และตีนพังผืดสีส้มกำลังปั่น ส่วนเส้นขาวที่ลากอยู่ข้างหลังคือเส้นความเร็ว ฉากหลังเป็นฟ้าอ่อน มีเมฆขาว ดวงอาทิตย์เหลือง และนกดำสองตัวบินอยู่ ด้านหน้ามีหญ้าเขียวกับดอกไม้ขาวเล็กๆ

95 token สำหรับโจทย์ประโยคเดียว

โจทย์มีเพียงประโยคเดียว แต่ K3 นับขาเข้าได้ตั้ง 95 token ถ้าเอาประโยคเดียวกันไปนับด้วยเครื่องมือของ OpenAI จะได้ 10 token ส่วนเครื่องมือของ Anthropic นับให้ Opus 4.6 ได้ 10 token, Opus 4.7 ได้ 30 และ Sonnet 5 ได้ 25

เขาเลยลองส่งคำว่า hi เข้าไปเฉยๆ ปรากฏว่านับได้ 86 token จึงน่าจะมีข้อความราว 85 token ที่ระบบแทรกไว้ก่อนเริ่มทุกบทสนทนา ข้อความนี้เป็นชุดคำสั่งที่ค่ายกำหนดให้โมเดลอ่านก่อนเจอโจทย์ของเราเสมอ และพอถามตรงๆ ว่าข้อความนั้นเขียนว่าอะไร K3 ก็ไม่ยอมบอก

เขาบอกเองว่าอย่าเอานกกระทุงไปวัดโมเดล

จุดเริ่มต้นของข้อสอบข้อนี้คือมุกแซวว่าการเทียบโมเดลสองตัวนั้นยากจนน่าขำ แต่พอใช้จริงในปีแรก ผลกลับสอดคล้องกับความเก่งจริงของโมเดลอย่างน่าประหลาด

ทุกวันนี้แทบไม่เหลือความสอดคล้องแบบนั้นแล้ว ภาพนกกระทุงของ GLM-5.2 ออกมาดีกว่าของ GPT-5.6 กับ Claude Fable 5 ทั้งที่คนรีวิวเองยังไม่คิดว่า GLM-5.2 อยู่ในระดับเดียวกับ Fable 5 แล้วเป็นเพราะค่ายแอบติวโมเดลมาสอบข้อนี้หรือเปล่า เขาบอกว่ายังไม่เชื่ออย่างนั้น เพราะถ้าติวกันจริง ผลที่ออกมาน่าจะดีกว่านี้เยอะ

เขาบอกว่าข้อจำกัดสำคัญที่สุดของข้อสอบนกกระทุงคือ มันไม่ได้แตะเรื่องที่สำคัญที่สุดของโมเดลยุคนี้เลย นั่นคือการเรียกใช้เครื่องมือเป็น หมายถึงสั่งให้มันไปเปิดไฟล์ ค้นเว็บ หรือรันคำสั่งแทนเราได้ และต้องทำงานได้เสถียรแม้บทสนทนาจะยาวขึ้นเรื่อยๆ

ประโยคนั้นมาจากคนที่ปั้นข้อสอบข้อนี้ขึ้นมาเองกับมือ

แล้วทำไมยังวาดมันอยู่ทุกครั้ง

เพราะสิ่งที่เขาได้จากนกกระทุงไม่ใช่คะแนน แต่คือการได้ลองรันโมเดลด้วยตัวเอง อย่างแรก โจทย์นี้บังคับให้เขาต้องลงมือจริง การมีรูปนกกระทุงมาโชว์แปลว่าอย่างน้อยเขาก็เรียกใช้โมเดลตัวนั้นสำเร็จแล้ว ไม่ใช่แค่อ่านข่าวเปิดตัวมาแล้วเล่าต่อ

อย่างที่สองคือโจทย์ข้อเดียวก็เผยนิสัยของโมเดลออกมาได้ สำหรับ K3 อย่างหนึ่งคือมีระดับความคิดให้เลือกแค่ max และใช้ token ไปหมื่นกว่าตัวกับรูปเดียว อีกอย่างคือการนับ token ของระบบแปลกจนเห็นร่องรอยของข้อความที่ซ่อนไว้ นอกจากนี้ K3 ยังอ่านภาพและบรรยายสิ่งที่เห็นได้ตรงจริง ทั้งสามอย่างนี้ไม่มีอยู่ในตารางคะแนนไหนเลย

อย่างที่สามคือมันวัดต้นทุนคร่าวๆ ได้ว่า งานง่ายชิ้นหนึ่งโมเดลจะคิดยาวแค่ไหนและคิดเงินเท่าไร

อย่างที่สี่คือมันยืนยันว่าโมเดลเขียน SVG ที่ใช้งานได้จริง วางรูปทรงถูกที่ และรู้ว่าอะไรควรอยู่บนอะไร ความสามารถนี้สำคัญมากสำหรับโมเดลเล็กๆ ที่โหลดมารันบนเครื่องตัวเองได้

อย่างสุดท้ายคือมันใช้เทียบรุ่นในตระกูลเดียวกันได้ เมื่อเก็บภาพนกกระทุงของรุ่นเก่าไว้ พอรุ่นใหม่ออกก็วางเทียบกันได้ทันทีว่าพัฒนาขึ้นแค่ไหนแล้ว ภาพเหล่านี้ยังแชร์ต่อได้ด้วย จนกลายเป็นธรรมเนียมบนเว็บบอร์ดสายเทคอย่าง Hacker News เวลาเขาโพสต์ช้ากว่าปกติ ก็จะมีคนมาถามว่านกกระทุงอยู่ไหน

ตั้งข้อสอบของตัวเองจากงานที่ทำอยู่

คุณค่าของนกกระทุงไม่ได้อยู่ที่ตัวนกกระทุง แต่อยู่ที่การมีโจทย์ประจำที่ไม่เปลี่ยน แล้วลองใช้กับโมเดลใหม่ทุกตัวด้วยตัวเอง เราตั้งโจทย์แบบนั้นเองได้ และควรตั้งจากงานที่ทำอยู่จริง โจทย์ที่ใช้งานได้ดีมักมีหน้าตาแบบนี้

• มาจากงานที่ทำอยู่ทุกวัน ไม่ใช่ปริศนาที่ไม่มีวันได้ใช้จริง
• เรารู้อยู่แล้วว่าคำตอบที่ดีหน้าตาเป็นยังไง จะได้ตัดสินเองได้โดยไม่ต้องรอใครมาบอก
• สั้นและมีค่าใช้จ่ายต่ำพอที่จะรันซ้ำกับโมเดลใหม่ทุกตัวโดยไม่เสียดายเงิน
• เก็บผลไว้ทุกครั้ง เพื่อเอารุ่นใหม่ไปเทียบกับรุ่นเก่าของค่ายเดียวกัน

ส่วนวิธีรัน คนรีวิวเล่าว่า ถ้าโมเดลตัวนั้นมี API ทางการ เขาก็เรียกผ่าน API นั้นตรงๆ ถ้าเป็นโมเดลที่เปิดไฟล์ให้โหลดและเล็กพอจะรันบน MacBook Pro M5 ความจำ 128GB ของเขาได้ เขาก็โหลดมารันผ่าน LM Studio หรือ Ollama บ่อยครั้งเขาก็เรียกผ่าน OpenRouter เพราะบริการนี้เชื่อมต่อกับ API ทางการไว้อยู่แล้ว จึงไม่ต้องสมัครคีย์ใหม่

เขารันโจทย์นกกระทุงส่วนใหญ่ผ่านเครื่องมือบรรทัดคำสั่งชื่อ LLM ที่เขาเขียนขึ้นเอง ผลพลอยได้ที่เขาชอบคือ เครื่องมือนี้คอยกระตุ้นให้เขาอัปเดตปลั๊กอินของค่ายต่างๆ ให้ทันโมเดลที่เพิ่งออก

ใครควรลอง K3 แล้วลองทางไหน

คนที่น่าจะได้ประโยชน์ก่อนใครคือคนทำงานเขียนหน้าเว็บ เพราะนี่เป็นสนามเดียวที่ K3 ขึ้นอันดับหนึ่งอยู่จริงในตอนนี้ คนที่อยากได้ไฟล์โมเดลไปรันบนเครื่องตัวเองต้องรอถึงวันที่ 27 กรกฎาคม 2026 ตามที่ค่ายสัญญาไว้ ส่วนเท่าที่เห็น โมเดลขนาด 2.8 ล้านล้านพารามิเตอร์ก็เกินกำลังเครื่องของคนทั่วไปไปมาก

ส่วนคนที่จ่ายค่า API อยู่แล้วและกำลังชั่งใจ ควรนำตัวเลข 3 กับ 15 ดอลลาร์มาเทียบกับ 0.95 กับ 4 ดอลลาร์ของรุ่นก่อน ถ้างานที่ทำอยู่ K2.6 ยังเอาอยู่ ราคาที่ขยับขึ้นขนาดนี้ก็ต้องมีเหตุผลรองรับพอสมควร ส่วนใครที่อยากลองวันนี้เลยก็มีสองทาง คือใช้เว็บหรือ API ของ Kimi K3 โดยตรง หรือเรียกผ่าน OpenRouter แบบที่คนรีวิวทำ ซึ่งไม่ต้องสมัครคีย์ใหม่ให้ยุ่งยาก

อีกไม่กี่สัปดาห์ก็จะมีโมเดลใหม่ออกมาอีกตัว พร้อมตารางคะแนนชุดใหม่ที่ค่ายวัดมาเองเรียบร้อยแล้ว คนที่มีข้อสอบของตัวเองอยู่ในมือจะรู้ได้เองตั้งแต่วันนั้นเลยว่าโมเดลใหม่ทำงานแบบที่ตัวเองทำอยู่ได้ดีขึ้นจริงไหม ส่วนคนที่ไม่มี ก็ได้แต่รออ่านว่าคนอื่นเขาว่ายังไง

ที่มา: บทความ Kimi K3, and what we can still learn from the pelican benchmark จาก Simon Willison