成本直降 90%！原来 Kimi K3 叠 Claude Code 还能这么玩

AI 编程的竞争，正在从模型能力转向组织能力。

作者丨郑佳美

编辑丨马晓宁

这两天，X 上的科技博主 Rahul 分享了一套新的 AI 编程的新玩法：他把 Kimi K3 接入了 Claude Code，让原本运行在 Claude 模型体系下的 AI 编程环境，调用 Kimi K3 作为背后的模型。

简单来说，开发者依然使用 Claude Code 提供的开发体验，让它负责理解项目结构、读取代码文件、修改程序、执行测试以及管理整个编程流程，但真正负责推理和生成代码的模型换成了 Kimi K3。

而这个组合带来的结果非常明显。

在 Rahul 分享的测试中，他使用了一个包含约 80 万 token 稳定代码上下文、每轮新增约 5 万 token 的开发任务。这类场景已经接近真实的软件开发环境，因为 AI 编程工具面对的并不是一次性的代码生成，而是需要持续理解一个项目，在多个文件之间建立联系，并根据执行结果不断调整。

测试结果显示，Kimi K3 结合缓存机制后，完成一次类似任务的成本约为 0.39 美元，而使用 Fable 5 这样的高端模型处理同样规模的上下文，成本可能达到 8.5 美元左右，两者之间出现了超过 20 倍的价格差距。

对于偶尔使用 AI 的用户来说，这种差异可能并不明显，但对于每天依赖 AI 编程工具工作的开发者来说，模型成本会随着调用次数快速累积。

这也是为什么开发者开始重新思考一个问题：是不是所有开发任务，都值得交给最昂贵的模型？

01

AI 编程真正的成本，不只是模型价格

AI 编程和普通聊天最大的区别，在于模型面对的不再是一个个孤立的问题，而是一个持续推进的软件工程任务。

一个 AI 编程 Agent 需要理解完整代码库，掌握不同文件之间的关系，根据目标修改代码，运行测试，并在多轮交互中保持上下文。

在这种场景下，模型竞争的重点也不再只是“谁生成代码更漂亮”，而是谁能够以更合理的成本，长期稳定地参与开发流程。

Kimi K3 被开发者关注，正是因为它满足了这一需求。

它的优势不仅体现在价格上，更体现在长上下文处理能力和缓存机制上。对于大型软件项目来说，模型需要理解几十万甚至上百万 token 的代码、文档和历史信息，能否稳定处理这些上下文，会直接影响 AI 是否真正具备参与软件开发的能力。

因此，Kimi K3 的价值并不是替代所有高级模型，而是在大量高频开发任务中提供一种更高效的选择。

复杂架构设计、关键工程决策等任务仍然需要最强模型参与，但大量代码阅读、测试生成、简单修改和项目维护，其实并不需要每一次都调用最高成本模型。雷峰网

未来 AI 编程可能不会是一个模型包办所有工作，而是不同模型根据任务特点承担不同角色。

02

为什么Kimi K3 适合进入 AI 编程场景？

但这件事情真正值得关注的地方，并不是 Kimi K3 便宜了多少，而是它暴露出了 AI 编程工具正在发生的一种变化。

过去，人们很容易把 AI 产品和背后的模型看成一个整体。使用 Claude Code，就意味着使用 Claude 模型。但实际上，开发者真正依赖的往往是 Claude Code 构建出来的工作流。

它能够理解项目结构，管理文件修改，调用工具执行任务，规划开发步骤，并让 AI 持续参与整个软件生产过程。这些能力构成了 Claude Code 的核心价值，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，并不是放弃 Claude Code，而是在保留成熟开发流程的基础上，更换底层模型。

这意味着，未来 AI 软件可能会逐渐出现类似计算机产业的分工：模型像底层计算能力，而 Agent 工具负责组织这些能力，并将它们转化为实际生产力。

也正是在这个背景下，Kimi 推出 Kimi Code CLI 变得更加值得关注。

如果 Kimi 只是希望成为一个模型供应商，那么让 Kimi K3 被更多 AI 编程工具调用已经足够。但它同时推出自己的编程工具，说明它并不满足于只提供模型能力，而是在尝试建立自己的开发入口。

Kimi K3 接入 Claude Code，是让自己的模型进入已有 AI 编程生态；Kimi Code CLI，则是在构建属于自己的 AI 编程环境。

一个动作是在争夺模型层的位置，一个动作是在争夺用户每天工作的入口。而 AI 时代真正有价值的位置，往往就在用户工作流程之中。

03

AI 编程的竞争

过去几年，大模型行业竞争主要围绕一个问题展开：谁拥有更强的模型。各家公司不断提升参数规模、推理能力和代码能力，希望证明自己的模型更加聪明。

但随着模型能力逐渐提升，行业正在进入另一个阶段。当越来越多模型都能够完成代码生成、逻辑推理和复杂任务处理之后，真正决定价值的可能不再只是模型本身，而是谁能够更好地组织这些模型，让它们进入真实工作流程。

未来的 AI 编程工具，可能不会要求用户永远选择某一个固定模型，而是根据任务需求自动调度不同能力。

复杂架构设计可以交给最强推理模型，大量日常开发任务可以交给高性价比模型，而 AI Agent 负责协调这些能力，让整个软件生产流程更加高效。

这其实和过去的软件产业发展有些相似。早期计算机竞争，关注的是硬件性能；后来竞争转向操作系统和生态；再后来，真正决定价值的是谁能够连接用户和服务。

AI 时代可能也会经历类似变化。模型决定智能上限，但工作流决定智能能够创造多少价值。

从 Kimi K3 接入 Claude Code，到 Kimi Code CLI 的推出，背后反映的并不是一次简单的模型替换，而是 AI 编程正在从“选择一个模型”，走向“构建一个智能协作系统”。

未来真正重要的，可能不是谁拥有唯一最强的大脑，而是谁能够让越来越多不同能力的模型协同工作，并真正进入人类的软件生产流程。雷峰网

https://x.com/sairahul1/status/2079091878482624755?s=46

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈