# 影片筆記：[中配]Kimi K3 + Claude Code 演示 - Data Science in your pocket

## 一句話總結

本段影片為 Data Science in a Bucket 頻道對最新發布的 AI 模型 **KIMI-K3** 進行實時編碼測試，主持人使用 **Cloud Code** 環境要求模型開發一款基於 **Pygame** 的雙人遊戲，過程中觀察到該模型思考時間長、Token 消耗高且費用昂貴，但被視為目前性能最佳的語言模型之一。

## 核心重點

*   **模型發布與定位**：KIMI 發布了 KIMI-K3，聲稱其性能優於 GPT-5、6-Sogalofable、GN5.2 及 B-1 等模型，被描述為兼具開源特性與優異性能的「最好的人工智能模型」，顯示開源與閉源模型間的差距正在縮小。
*   **測試目標與環境**：在 Cloud Code 環境下，測試 KIMI-K3 開發一款「設計器遊戲」（Designers Game），技術選型為 Python + Pygame，遊戲模式為雙人熱桌模式（Hotseat）或單人對抗電腦。
*   **性能與成本觀察**：
    *   **速度**：比前代 KIMI-K2.7 稍慢，思考時間約需 5 分鐘。
    *   **成本**：價格較高，約與 Cloud Sunnit 相當；參數量約 2.8 萬億。
    *   **Token 消耗**：前期構思階段消耗約 10 萬 K tokens，編碼階段尚未寫入代碼已消耗約 2 萬 Token，主持人擔憂製作影片的成本過高。
*   **執行過程**：模型自動處理前置條件（安裝相關庫），並詢問是否繼續；主持人多次點擊「繼續」與「接受」以允許模型寫入文件與代碼。

## 詳細大綱

### 1. 模型發布與評價
*   KIMI 發布了 KIMI-K3。
*   該模型聲稱能擊敗以下模型：
    *   GPT-5
    *   6-Sogalofable
    *   GN5.2
    *   B-1 模型
*   被描述為「最好的人工智能模型」，兼具開源特性且性能優異。
*   觀點指出：開源與閉源模型之間的差距正在消失。

### 2. 測試環境與目標設定
*   **使用工具**：Cloud Code。
*   **測試對象**：KIMI-K3。
*   **任務目標**：開發一款「設計器遊戲」（Designers Game）。
*   **參考依據**：文檔指出 KIMI-K3 在遊戲開發方面表現出色。
*   **技術選型**：
    *   平台選擇：Web 或 Python 控制台 + Pygame。
    *   最終選擇：Python + Pygame（Pygame 為 Python 遊戲庫）。
*   **遊戲規則與模式**：
    *   遊戲模式：雙人熱桌模式（Hotseat）或單人對抗電腦經典模式。
    *   規則設定：使用拿到規則（疑點）、經典規則、標準 Milton Bradley 規則。
    *   假設條件：超時算輪功（疑點）。

### 3. 性能與成本觀察
*   **速度比較**：比 KIMI-K2.7 稍慢，思考時間約 5 分鐘。
*   **成本評估**：價格較貴，約與 Cloud Sunnit 相當。
*   **參數量**：約 2.8 萬億參數。
*   **Token 消耗細節**：
    *   前期構思階段消耗約 10 萬 K tokens。
    *   編碼階段已消耗約 2 萬 Token（尚未寫入代碼）。
    *   主持人擔心製作影片成本過高。

### 4. 執行過程
*   模型自動處理前置條件。
*   安裝 BiGami 2.61（疑點）及 Biton 3.13（疑點）。
*   模型詢問是否繼續，主持人確認繼續。
*   模型嘗試寫入文件與代碼，主持人多次點擊「繼續」與「接受」以允許編輯。

## 工具 / 模型 / 名詞整理

*   **頻道名稱**：Data Science in a Bucket
*   **AI 模型**：
    *   KIMI-K3
    *   KIMI-K2.7
    *   GPT-5
    *   6-Sogalofable（疑點）
    *   GN5.2
    *   B-1 模型
    *   Kimiki3 / Kimiki2.7Go（疑點，可能為 KIMI 系列變體或聽誤）
*   **開發工具/環境**：
    *   Cloud Code
    *   Cloud Sunnit（疑點）
    *   Web
    *   Python 控制台
    *   Pygame（Python 遊戲庫）
*   **遊戲相關/其他名稱**：
    *   設計器遊戲（Designers Game）
    *   Milton Bradley
    *   BiGami 2.61（疑點）
    *   Biton 3.13（疑點）

## 操作流程整理

1.  **環境準備**：主持人打開 Cloud Code 環境，選擇 KIMI-K3 模型。
2.  **任務定義**：要求模型開發一款基於 Python 和 Pygame 的「設計器遊戲」（Designers Game）。
3.  **技術確認**：確認遊戲模式為雙人熱桌（Hotseat）或單人對抗電腦，並設定相關規則（如拿到規則、經典規則、Milton Bradley 規則）。
4.  **模型執行**：
    *   模型開始思考（耗時約 5 分鐘）。
    *   模型自動安裝依賴庫（BiGami 2.61, Biton 3.13）。
    *   模型詢問是否繼續執行。
5.  **人工干預**：
    *   主持人確認繼續。
    *   模型嘗試寫入文件與代碼。
    *   主持人多次點擊「繼續」與「接受」按鈕，允許模型進行編輯操作。
6.  **成本監控**：主持人觀察 Token 消耗情況（前期 10 萬 K tokens，編碼階段 2 萬 Token），並評估費用是否過高。

## 值得注意的限制或風險

*   **高成本風險**：KIMI-K3 的 Token 消耗量大（前期構思即達 10 萬 K tokens），費用約與 Cloud Sunnit 相當，對於製作影片或長期使用而言成本較高。
*   **響應速度較慢**：相比前代 KIMI-K2.7，KIMI-K3 的思考時間較長（約 5 分鐘），影響開發迭代效率。
*   **代碼寫入效率**：在編碼階段尚未寫入代碼前已消耗大量 Token，顯示模型在規劃與實際編碼之間的資源分配可能存在效率問題。

## 逐字稿辨識疑點

以下詞彙根據逐字稿原文記錄，可能存在聽寫錯誤、口誤或特定專有名詞，未做更正版：

*   **6-Sogalofable**：疑似模型名稱或比較對象，聽感不尋常。
*   **GN5.2**：疑似模型或產品版本號。
*   **拿到規則**：遊戲規則相關詞彙，語意不明，疑為特定遊戲術語或聽誤。
*   **輪功**：遊戲機制相關詞彙（如「輪功」或「輪次」？），語意不明。
*   **Kimiki3 / Kimiki2.7Go**：與前文提到的 KIMI-K3/K2.7 拼寫不一致，疑為口誤或聽誤。
*   **Cloud Sunnit**：疑似雲端服務或模型比較對象，名稱不常見。
*   **BiGami 2.61**：疑似軟體、庫或遊戲名稱，與前文 Pygame 或 Biton 關係不明。
*   **Biton 3.13**：疑似軟體、庫或遊戲名稱。

## 可延伸追問

*   KIMI-K3 的 2.8 萬億參數具體架構為何？
*   「拿到規則」與「輪功」在該遊戲設計中的具體定義是什麼？
*   Cloud Sunnit 具體指代哪種雲端服務或模型？
*   BiGami 2.61 與 Biton 3.13 是什麼樣的庫或工具，為何需要安裝？
*   KIMI-K3 在開源與閉源模型對比中的具體優勢數據為何？