Kimi K3 vs DeepSeek V4 Pro vs GLM-5.2：三款万亿级开源MoE模型对比评测

一句话看懂

月之暗面Kimi K3、DeepSeek V4 Pro和智谱GLM-5.2三款国产开源MoE模型正面交锋。K3性能最强但API独占，DeepSeek成本最低且MIT开源，GLM-5.2速度最快可自部署。

详细发生了什么

三款国产开源MoE模型占据了开源权重排行榜前列。Moonshot AI的Kimi K3（2.8T参数）、DeepSeek V4 Pro（1.6T参数）和智谱GLM-5.2（744B参数）均采用稀疏MoE架构，支持百万token上下文窗口，面向长时编程和智能体工作负载。

在Artificial Analysis Intelligence Index统一评测中，Kimi K3得分约57，排名全球第三，仅次于Claude Fable 5和GPT-5.6 Sol。GLM-5.2得分51，DeepSeek V4 Pro（Max推理模式）得分44。编程基准方面，K3在Moonshot自有测试中全面领先GLM-5.2。DeepSeek V4 Pro在SWE-bench Verified上达到80.6%，为发布时最高开源成绩。

许可证方面，DeepSeek V4 Pro和GLM-5.2均为MIT许可，权重已可在Hugging Face下载。Kimi K3承诺在2026年7月27日前发布权重，预计采用Modified MIT许可（月活超1亿时需署名）。

API定价差异悬殊：DeepSeek V4 Pro输出仅$0.87/百万token，GLM-5.2为$4.40，Kimi K3高达$15.00。按任务成本计算，DeepSeek仅$0.04/任务，GLM-5.2为$0.32，K3为$0.94。速度方面，GLM-5.2最快（168 tokens/sec），DeepSeek和K3约62 tokens/sec。

中文圈视角

对国内用户来说，这三款模型各有适用场景：

DeepSeek V4 Pro：MIT开源、成本极低，适合预算敏感的中小团队和创业公司。无需梯子即可通过API或自部署使用，是当前性价比最高的选择。
GLM-5.2：MIT开源、速度最快，适合需要实时交互的应用（如客服、写作助手）。智谱在国内有完善的企业服务支持，合规性较好。
Kimi K3：性能最强，但API价格高且权重未开放。适合对效果要求极高、预算充足的大企业。月之暗面在国内有C端产品Kimi，普通用户可通过App体验。

三款模型均支持百万token上下文，这对中文长文档处理（如法律合同、学术论文）非常实用。但自部署门槛高：GLM-5.2需8块H200，DeepSeek V4 Pro和K3需要更多硬件，普通用户建议直接使用API。

一个中文圈尚未广泛讨论的盲点：Modified MIT许可证的“月活超1亿需署名”条款，可能影响大流量产品的商业化部署，需提前评估。

几条值得记住的细节

Kimi K3总参数2.8T，每token激活16/896个专家，支持文本+视觉+视频。
DeepSeek V4 Pro输出价格仅$0.87/百万token，是K3的1/17。
GLM-5.2推理速度168 tokens/sec，是其他两款的2.7倍。
三款模型均支持1M token上下文，但DeepSeek最大输出384K，GLM-5.2为131K。
DeepSeek V4 Pro和GLM-5.2权重已开放下载，Kimi K3需等到7月27日。

一句话总结

追求性能选Kimi K3（等权重开放），追求性价比选DeepSeek V4 Pro，追求速度和自部署选GLM-5.2。