How to Set Up Kimi K3 in Claude Code + Kimi K3 vs Claude Fable 5 vs GPT-5.6

Andrew 首頁 每日列表 原始影片
實際影片長度：8:20.000。原文、繁中、雙語可點擊句子跳轉影片。
0:00.000–0:01.676
So Kimi K3 just got released and
0:01.676–0:04.320
it's the number one front-end model on the arena.
0:04.620–0:07.380
I'm going to show you exactly how you can set it up in your clawed code
0:07.380–0:10.220
and how you can make this viral visual in under 10 minutes.
0:11.720–0:13.060
So this is Kimi K3.
0:13.520–0:16.920
It's the latest open source model from Moonshot AI Labs.
0:17.420–0:19.420
And this video on the right here is their launch video,
0:19.560–0:23.540
which they said was entirely edited and created by Kimi K3 itself.
0:23.940–0:27.360
In this video, we're going to cover what exactly Kimi K3 is.
0:28.260–0:30.220
We're going to set it up in clawed code
0:30.220–0:35.180
and then we're going to recreate this viral style templated video on the right here
0:35.180–0:40.280
where you can compare Kimi K3, Fable 5 and GPT 5.6 Sol,
0:40.760–0:42.840
giving different prompts to C-Dance.
0:44.860–0:49.700
So it's a 2.8 trillion parameter mixture of experts model
0:49.700–0:51.840
with a 1 million context window.
0:52.440–0:54.920
And the pricing is equivalent to Sonnet, which is pretty insane
0:54.920–0:58.760
because Kimi K2, K3 consistently outperforms Opus 4.
0:58.760–1:00.040
8 in a lot of tasks.
1:00.760–1:02.180
This is front-end code arena.
1:02.660–1:06.100
It ranks models based on blind votes on real front-end tasks.
1:06.540–1:08.640
So people compare two outputs and then pick one.
1:08.800–1:10.940
So it's not a lab that's grading its own homework.
1:11.600–1:15.720
And you can see row 18, we had the old Kimi K2.6 model.
1:16.280–1:18.400
And now it's all the way up in first place.
1:18.940–1:21.580
So they went from 18th to first place in one release.
1:21.580–1:25.300
So if you use models for design work, for UI,
1:25.580–1:27.740
pretty much anything that a person ends up looking at,
1:27.980–1:29.780
this is the chart that matters most to you.
1:30.160–1:31.700
That's just the front-end board though.
1:31.880–1:33.684
And I don't want to oversell it because
1:33.684–1:35.940
Kimi K3 actually does sit around the third place
1:35.940–1:39.417
and the second place on most of the general coding and
1:39.417–1:40.840
agentic benchmarks.
1:40.840–1:44.580
So here you can see that above it most of the time is Fable 5.
1:45.260–1:48.540
And it does beat GPT 5.6 a lot of the time as well.
1:49.060–1:52.400
And honestly, this is the part that puts real pressure on Anthropic and OpenAI
1:52.400–1:57.080
because being this close to the top used to mean that you had to pay huge premium for it.
1:57.500–2:00.860
And now you can get a model that's the equivalent to GPT 5.6
2:00.860–2:04.120
and even better than Opus 4.8 for the price of Sonnet.
2:04.120–2:08.180
Before I show you how you can set this model up,
2:08.260–2:10.300
I'll just go through a few of the catches.
2:11.120–2:12.780
Firstly, there's no open waits yet.
2:13.100–2:16.460
They've said that they're going to release the open waits on July 27th.
2:16.460–2:19.440
But as of today, there's nothing public yet.
2:20.240–2:22.660
Another one is that it's slow on hard tasks.
2:22.840–2:26.720
So a user reported that it took up to 35 minutes for a single front-end task.
2:27.320–2:29.620
And then the third one is that it trains on your traffic.
2:29.700–2:31.500
So anything that you're sending it through the API,
2:31.500–2:34.660
it's going to train its future models on that.
2:35.080–2:36.340
And it is a Chinese model.
2:36.540–2:40.200
So you never know what's going to happen with that data.
2:41.360–2:41.800
All right.
2:41.800–2:43.120
So let's jump into the setup.
2:43.860–2:44.020
All right.
2:44.020–2:45.500
So the first step is getting our key.
2:45.940–2:48.040
And to get our key, we're going to go to Kimi.com.
2:48.620–2:49.700
You're going to want to log in.
2:49.800–2:51.940
And then you're going to need to get on the cheapest plan.
2:52.020–2:53.760
So just come down to your name down the bottom here.
2:54.100–2:55.120
Click on upgrade plan.
2:55.580–2:57.020
And then I've just chosen this plan here,
2:57.060–2:58.200
but you can choose any of your plans.
2:58.380–2:59.340
They all come with K3.
2:59.340–3:01.720
And this beats out using the API,
3:02.040–3:03.400
because if you're going to use the API,
3:03.480–3:05.420
you're going to have to pay for that usage fee,
3:05.500–3:08.440
which is going to end up being more than if you're just going to use the plan.
3:10.020–3:12.020
Now that we're logged in and subscribed to our plan,
3:12.080–3:15.100
we need to go to the console page to get our API key.
3:15.180–3:16.340
So I'm going to go to Kimi code.
3:17.140–3:18.840
Then I'm going to go to console.
3:19.320–3:21.040
Next, we just want to create an API key.
3:21.420–3:22.800
So just name it whatever you want.
3:22.980–3:23.620
Click create.
3:24.020–3:25.900
Then you need to copy this key here.
3:25.900–3:28.500
And we're just going to take this key into Claude code now.
3:29.000–3:29.180
All right.
3:29.180–3:30.040
So I've got my key copied.
3:30.180–3:32.960
And now I'm in VS code with the Claude code plugin installed.
3:33.220–3:35.540
I'm just going to paste the key in here and say,
3:35.720–3:39.960
please set up Kimi K3 for me.
3:40.040–3:43.480
So I can use it as a sub agent.
3:43.820–3:44.940
One thing to know though,
3:44.940–3:47.060
is that an API key is essentially a password.
3:47.760–3:50.680
And I've just pasted this one in here because it's just a $20 burner.
3:50.680–3:53.540
And I can cancel that key anytime on their site.
3:53.820–3:59.240
So I just wouldn't paste any important keys that matter directly into your Claude code chat.
3:59.520–4:03.000
I definitely put them straight into your .emv file.
4:03.600–4:03.780
All right.
4:03.800–4:06.540
So Claude just got back to me about two minutes later saying,
4:06.660–4:08.540
Kimi K3 sub agent is done.
4:08.820–4:10.080
TLDR, Kimi builder.
4:10.280–4:13.220
A sub agent is set up and the key is verified working.
4:13.380–4:15.360
New agent types load at session start.
4:15.460–4:17.520
So it becomes spawnable after your next slash clear.
4:17.520–4:19.280
Now I'm just going to paste this in and say,
4:20.020–4:24.160
I'm going to say, how can we use this sub agent?
4:25.440–4:28.320
Kimi is now set up fully in my Claude code as a sub agent.
4:28.460–4:29.580
So whenever I want to use Kimi,
4:29.880–4:32.880
I'll just tell Claude to use that Kimi sub agent.
4:33.300–4:36.140
So now we'll jump into creating an actual test.
4:36.440–4:37.720
So we're going to use this example here,
4:37.780–4:40.160
which is through the Wireflow API.
4:40.620–4:43.360
And Wireflow is just a creative node-based canvas
4:43.360–4:46.760
that lets us add prompts and then connect those prompts
4:46.760–4:48.340
to video models or image models.
4:48.580–4:52.780
So for this example, we're going to have Kimi create a creative prompt
4:52.780–4:54.680
based on this still image here.
4:55.360–4:57.800
And then we're going to have Fable 5 create a prompt
4:57.800–5:00.100
as well as GPT 5.6 create a prompt.
5:00.300–5:03.580
And then we're going to see what those different outputs
5:03.580–5:04.920
look like side by side.
5:07.080–5:07.540
All right.
5:07.540–5:09.840
Next steps are we just have to set up the Wireflow API.
5:09.840–5:13.020
So I'm just going to come to wireflow.ai slash API
5:13.020–5:14.740
and I'm going to click get the key.
5:15.040–5:17.120
And then it's going to take me to slash settings.
5:17.440–5:19.960
And then in here, I'm going to click on API keys
5:19.960–5:21.880
and then click on create a new key.
5:22.060–5:25.180
Just name it Kimi create key, copy this key.
5:25.280–5:26.980
And we're just going to do the exact same process
5:26.980–5:28.800
as before with the Kimi key.
5:28.900–5:30.360
So I'm just going to paste it in here and say,
5:30.500–5:35.780
please set up my API key for Wireflow, Wireflow's API.
5:36.400–5:36.820
All right.
5:36.860–5:38.440
So our Wireflow key is set up now
5:38.440–5:40.140
and it's confirmed working.
5:40.300–5:41.680
So now we're going to go back to Wireflow.
5:41.940–5:43.460
This is the template that we're using.
5:43.700–5:46.360
So it's a one start frame, three AI directors,
5:46.680–5:49.520
Kimi K3, Claude Fable 5 and GPT 5.6.
5:49.820–5:51.280
So once you have everything set up,
5:51.320–5:52.420
you just click on use this template
5:52.420–5:53.720
and then it will open the template,
5:53.860–5:54.720
which looks like this.
5:54.860–5:56.760
And you can actually run the workflow from in here,
5:56.840–6:00.140
but we're going to use Claude code to write all the prompts,
6:00.300–6:01.560
inject the prompts in the workflow,
6:01.560–6:02.820
and then we'll come back to the workflow
6:02.820–6:05.120
and run the actual C dance nodes one at a time.
6:05.500–6:07.080
Because we have Claude code already connected
6:07.080–6:08.180
to our Wireflow account.
6:08.300–6:09.880
We can just grab this URL here,
6:10.160–6:12.080
come back to our Claude code with Kimi
6:12.080–6:13.600
and just paste the URL and say,
6:13.760–6:16.760
can you learn this workflow?
6:17.400–6:21.820
I'm going to want to change the prompts.
6:22.360–6:22.480
Okay.
6:22.560–6:23.200
So it said,
6:23.740–6:24.320
TLDR,
6:24.320–6:26.700
it's a three-way AI directors comparison flow,
6:27.160–6:29.800
one shared start frame fans out into three C dance,
6:29.900–6:30.380
two nodes,
6:30.500–6:32.340
each driven by a different model's motion prompt.
6:32.780–6:32.960
All right.
6:32.960–6:33.960
So next we're going to write,
6:34.380–6:38.420
please spawn three different sub agents,
6:38.940–6:40.700
one Kimi K3,
6:41.220–6:42.380
one Fable,
6:42.380–6:45.400
and one GPT 5.6,
6:45.540–6:49.840
and have them each look at the reference image,
6:49.980–6:53.640
then create their own motion prompt
6:53.640–6:58.760
and insert it into the relevant text box,
6:58.980–6:59.360
please.
6:59.780–7:01.880
So Claude code has just replied and it said,
7:01.980–7:02.140
done.
7:02.220–7:04.120
All three models view the actual start frame,
7:04.480–7:05.640
wrote their own motion prompt,
7:05.640–7:07.440
and the prompts are live within the flow.
7:07.440–7:09.260
So you can see Kimi K3,
7:09.320–7:10.180
110 words,
7:10.280–7:13.360
and then it kind of describes the different actions
7:13.360–7:15.160
and motions that each one of them took here.
7:15.320–7:16.760
And so now we can go back into the flow
7:16.760–7:19.120
and you can see that this has already changed.
7:19.340–7:21.600
Each prompt has been automatically inserted
7:21.600–7:22.900
into their prompt box here.
7:23.100–7:25.520
And then you can see these purple lines here.
7:25.640–7:26.600
This is the text connector.
7:26.740–7:29.420
So it's connecting into the C dance to here.
7:29.820–7:32.200
And then this start frame is also getting connected.
7:32.200–7:35.460
So each of these videos starts from the same start frame.
7:35.460–7:39.380
Then the language models can take it in different directions.
7:39.860–7:41.020
And so I've already run these models
7:41.020–7:42.840
and this was the output.
7:45.840–7:47.380
And the next steps in this workflow
7:47.380–7:49.060
is essentially a image compositor.
7:49.160–7:51.840
So it's just going to use these black overlays
7:51.840–7:54.740
and then it's sending this into a video editor.
7:55.000–7:57.180
And this is essentially just putting those overlays
7:57.180–7:59.660
on those C dance to clips here
7:59.660–8:02.380
so that we can post this on Twitter or LinkedIn.
8:02.380–8:05.840
So everything I've shown in this video so far
8:05.840–8:06.980
I'll include it in the description
8:06.980–8:08.380
including this template here
8:08.380–8:11.300
which also includes a skill in it
8:11.300–8:14.040
to set up those sub-agents in Claude Code.
8:14.900–8:17.360
So hopefully you guys found this tutorial useful
8:17.360–8:19.960
and you're able to set up Kimi K3 for yourselves.
8:19.960–8:20.000
Let's see.
0:00.000–0:01.676
所以Kimi K3剛剛發布，並且
0:01.676–0:04.320
它已經是Arena上排名第一的前端模型。
0:04.620–0:07.380
我將向你展示如何在Clawed Code中設置它，
0:07.380–0:10.220
以及如何在10分鐘內製作這個病毒式視覺效果。
0:11.720–0:13.060
所以這是Kimi K3。
0:13.520–0:16.920
它是Moonshot AI Labs最新的開源模型。
0:17.420–0:19.420
而右邊的這段視頻是他們的發布視頻，
0:19.560–0:23.540
據他們說，該視頻完全由Kimi K3本身編輯和創建。
0:23.940–0:27.360
在本視頻中，我們將介紹Kimi K3究竟是什麼。
0:28.260–0:30.220
我們將把它設置在Clawed Code中，
0:30.220–0:35.180
然後我們將重製右邊這段病毒式風格模板視頻，
0:35.180–0:40.280
你可以在其中比較Kimi K3、Fable 5和GPT 5.6 Sol，
0:40.760–0:42.840
並向C-Dance提供不同的提示。
0:44.860–0:49.700
所以它是一個擁有2.8萬億參數的專家混合模型，
0:49.700–0:51.840
並具備100萬的上下文窗口。
0:52.440–0:54.920
並且其定價與Sonnet相當，這相當驚人，
0:54.920–0:58.760
因為Kimi K2、K3在許多任務中持續優於Opus 4.8。
0:58.760–1:00.040
這是前端代碼Arena。
1:00.760–1:02.180
它根據真實前端任務的盲選投票對模型進行排名。
1:02.660–1:06.100
所以人們比較兩個輸出結果，然後選擇其中一個。
1:06.540–1:08.640
所以這不是實驗室在批改自己的作業。
1:08.800–1:10.940
你可以看到第18行，我們有舊的Kimi K2.6模型。
1:11.600–1:15.720
而現在它已經上升到第一名。
1:16.280–1:18.400
所以他們在一次發布中從第18名躍升至第一名。
1:18.940–1:21.580
所以如果你使用模型進行設計工作、UI設計，
1:21.580–1:25.300
基本上是人最終會看到的一切，
1:25.580–1:27.740
這張圖表對你最為重要。
1:27.980–1:29.780
這只是前端榜單。
1:30.160–1:31.700
我不想過度推銷它，因為
1:31.880–1:33.684
Kimi K3實際上在大多數通用編程和
1:33.684–1:35.940
智能體基準測試中排名第三和第二。
1:35.940–1:39.417
所以你可以在這裡看到，大部分時間排在它上面的是Fable 5。
1:39.417–1:40.840
而且它確實也經常擊敗GPT 5.6。
1:40.840–1:44.580
老實說，這部分是真正給Anthropic和OpenAI帶來壓力的原因，
1:45.260–1:48.540
因為曾經接近頂端意味著你必須為此支付巨大的溢價。
1:49.060–1:52.400
而現在你可以獲得一個與GPT 5.6相當
1:52.400–1:57.080
甚至優於Opus 4.8的模型，價格卻僅為Sonnet的水平。
1:57.500–2:00.860
在我向你展示如何設置這個模型之前，
2:00.860–2:04.120
而且價格僅相當於 Sonnet，性能甚至優於 Opus 4.8。
2:04.120–2:08.180
在展示如何設定這個模型之前，
2:08.260–2:10.300
接下來我會說明幾個需要注意的地方。
2:11.120–2:12.780
首先，目前還沒有開放等待名單。
2:13.100–2:16.460
他們表示將在 7 月 27 日開放等待名單。
2:16.460–2:19.440
但截至今天，還沒有任何公開資訊。
2:20.240–2:22.660
另一個問題是，在處理複雜任務時速度較慢。
2:22.840–2:26.720
有使用者回報，單一前端任務最多花了 35 分鐘。
2:27.320–2:29.620
第三點是，它會利用你的流量進行訓練。
2:29.700–2:31.500
也就是說，你透過 API 傳送給它的所有內容，
2:31.500–2:34.660
都會被用來訓練它未來的模型。
2:35.080–2:36.340
而且這是一個中國模型。
2:36.540–2:40.200
所以你永遠不知道這些資料會發生什麼事。
2:41.360–2:41.800
好了。
2:41.800–2:43.120
現在讓我們進入設定步驟。
2:43.860–2:44.020
好了。
2:44.020–2:45.500
第一步是取得我們的金鑰。
2:45.940–2:48.040
要取得金鑰，我們會前往 Kimi.com。
2:48.620–2:49.700
你需要登入。
2:49.800–2:51.940
然後你需要選擇最便宜的方案。
2:52.020–2:53.760
所以請往下滑到這裡底部的你的名稱。
2:54.100–2:55.120
點擊「升級方案」。
2:55.580–2:57.020
然後我這裡選擇了這個方案，
2:57.060–2:58.200
但你可以選擇任何方案。
2:58.380–2:59.340
所有方案都包含 K3。
2:59.340–3:01.720
這比使用 API 更好，
3:02.040–3:03.400
因為如果你要使用 API，
3:03.480–3:05.420
你就必須支付使用費，
3:05.500–3:08.440
這最終會比直接使用方案更昂貴。
3:10.020–3:12.020
現在我們已登入並訂閱了方案，
3:12.080–3:15.100
我們需要前往主控台頁面以取得 API 金鑰。
3:15.180–3:16.340
所以我會前往 Kimi code。
3:17.140–3:18.840
然後我會前往主控台。
3:19.320–3:21.040
接下來，我們只需要建立一個 API 金鑰。
3:21.420–3:22.800
所以請隨意命名。
3:22.980–3:23.620
點擊建立。
3:24.020–3:25.900
然後你需要複製這裡的金鑰。
3:25.900–3:28.500
我們將把這個金鑰帶入 Claude code。
3:29.000–3:29.180
好了。
3:29.180–3:30.040
所以我已經複製了我的金鑰。
3:30.180–3:32.960
現在我在 VS code 中，並已安裝 Claude code 外掛。
3:33.220–3:35.540
我只會把金鑰貼在這裡並說，
3:35.720–3:39.960
請幫我設定 Kimi K3。
3:40.040–3:43.480
這樣我就能把它當作子代理（sub agent）來使用。
3:43.820–3:44.940
不過有一件事需要了解，
3:44.940–3:47.060
那就是 API 金鑰本質上就相當於密碼。
3:47.760–3:50.680
我剛才把它貼在這裡，是因為這只是一個 20 美元的消耗型金鑰。
3:50.680–3:53.540
而且我可以隨時在他們的網站上取消該金鑰。
3:53.820–3:59.240
所以我不會把任何重要的金鑰直接貼到 Claude Code 的聊天視窗中。
3:59.520–4:03.000
我絕對會把金鑰直接寫進你的 .env 檔案裡。
4:03.600–4:03.780
好的。
4:03.800–4:06.540
大約兩分鐘後，Claude 回覆我說，
4:06.660–4:08.540
Kimi K3 子代理已設定完成。
4:08.820–4:10.080
簡短來說，Kimi 建構器。
4:10.280–4:13.220
子代理已設定，且金鑰驗證運作正常。
4:13.380–4:15.360
新的代理類型會在工作階段開始時載入。
4:15.460–4:17.520
所以在你下次執行 /clear 指令後，它就可以被啟動。
4:17.520–4:19.280
現在我要把這個貼上去，並說，
4:20.020–4:24.160
我要問說，我們該如何使用這個子代理？
4:25.440–4:28.320
Kimi 現在已在我的 Claude Code 中完全設定為子代理。
4:28.460–4:29.580
所以每當我想使用 Kimi 時，
4:29.880–4:32.880
我就會指示 Claude 使用那個 Kimi 子代理。
4:33.300–4:36.140
現在我們來建立一個實際的測試。
4:36.440–4:37.720
我們將使用這裡的範例，
4:37.780–4:40.160
它是透過 Wireflow API 進行。
4:40.620–4:43.360
而 Wireflow 是一個創意的節點式畫布，
4:43.360–4:46.760
讓我們可以新增提示，然後將這些提示
4:46.760–4:48.340
連結到影片模型或圖像模型。
4:48.580–4:52.780
因此，在這個範例中，我們將讓 Kimi 根據這裡的靜態影像建立一個創意提示。
4:52.780–4:54.680
基於這張靜態影像。
4:55.360–4:57.800
接著我們將讓 Fable 5 建立提示，
4:57.800–5:00.100
以及 GPT 5.6 建立提示。
5:00.300–5:03.580
然後我們將並排查看這些不同輸出的
5:03.580–5:04.920
外觀。
5:07.080–5:07.540
好的。
5:07.540–5:09.840
下一步，我們只需要設定 Wireflow API。
5:09.840–5:13.020
所以我會前往 wireflow.ai 的 API 頁面，
5:13.020–5:14.740
並點擊取得金鑰。
5:15.040–5:17.120
接著它會帶我進入設定頁面。
5:17.440–5:19.960
然後在這裡，我會點擊 API 金鑰，
5:19.960–5:21.880
接著點擊建立新金鑰。
5:22.060–5:25.180
將其命名為 Kimi create key，並複製這個金鑰。
5:25.280–5:26.980
接下來，我們將執行與之前相同的流程
5:26.980–5:28.800
使用 Kimi 的 API 金鑰。
5:28.900–5:30.360
所以我只會把它貼在這裡，然後說，
5:30.500–5:35.780
請為 Wireflow 的 API 設定我的 API 金鑰。
5:36.400–5:36.820
好的。
5:36.860–5:38.440
現在我們的 Wireflow 金鑰已設定完成
5:38.440–5:40.140
並確認運作正常。
5:40.300–5:41.680
所以現在我們要回到 Wireflow。
5:41.940–5:43.460
這是我們使用的範本。
5:43.700–5:46.360
它包含一個起始幀、三個 AI 導演，
5:46.680–5:49.520
分別是 Kimi K3、Claude Fable 5 和 GPT 5.6。
5:49.820–5:51.280
所以一旦你完成所有設定，
5:51.320–5:52.420
只需點擊「使用此範本」
5:52.420–5:53.720
然後它就會開啟範本，
5:53.860–5:54.720
看起來就像這樣。
5:54.860–5:56.760
你實際上可以從這裡執行工作流程，
5:56.840–6:00.140
但我們將使用 Claude Code 來撰寫所有提示詞，
6:00.300–6:01.560
將提示詞注入工作流程，
6:01.560–6:02.820
然後我們會回到工作流程
6:02.820–6:05.120
並一次執行一個 C 舞蹈節點。
6:05.500–6:07.080
因為我們已經將 Claude Code 連接
6:07.080–6:08.180
到我們的 Wireflow 帳戶。
6:08.300–6:09.880
我們可以複製這裡的 URL，
6:10.160–6:12.080
回到我們的 Claude Code 與 Kimi，
6:12.080–6:13.600
然後貼上 URL 並說，
6:13.760–6:16.760
你能學習這個工作流程嗎？
6:17.400–6:21.820
我想要修改提示詞。
6:22.360–6:22.480
好的。
6:22.560–6:23.200
所以它說，
6:23.740–6:24.320
簡短摘要，
6:24.320–6:26.700
這是一個三方 AI 導演比較流程，
6:27.160–6:29.800
一個共享的起始幀分叉成三個 C 舞蹈，
6:29.900–6:30.380
兩個節點，
6:30.500–6:32.340
每個節點由不同模型的動作提示驅動。
6:32.780–6:32.960
好的。
6:32.960–6:33.960
所以下一步我們要撰寫，
6:34.380–6:38.420
請生成三個不同的子代理，
6:38.940–6:40.700
一個是 Kimi K3，
6:41.220–6:42.380
一個是 Fable，
6:42.380–6:45.400
和一個 GPT 5.6，
6:45.540–6:49.840
並讓它們各自查看參考圖片，
6:49.980–6:53.640
然後創建它們自己的動作提示，
6:53.640–6:58.760
並將其插入相關的文字方塊中，
6:58.980–6:59.360
請。
6:59.780–7:01.880
所以 Claude Code 剛剛回覆了，它說，
7:01.980–7:02.140
完成。
7:02.220–7:04.120
這三個模型都查看了實際的起始幀，
7:04.480–7:05.640
寫下了它們各自的動作提示，
7:05.640–7:07.440
並且這些提示已即時整合到流程中。
7:07.440–7:09.260
所以你可以看到 Kimi K3，
7:09.320–7:10.180
110 個字，
7:10.280–7:13.360
然後它大致描述了每個模型在此採取的不同動作
7:13.360–7:15.160
和運動。
7:15.320–7:16.760
所以現在我們可以回到流程中，
7:16.760–7:19.120
你可以看到這已經改變了。
7:19.340–7:21.600
每個提示都已自動插入
7:21.600–7:22.900
到這裡的提示方塊中。
7:23.100–7:25.520
然後你可以看到這裡的紫色線條。
7:25.640–7:26.600
這是文字連接器。
7:26.740–7:29.420
所以它連接到這裡的 C 舞蹈。
7:29.820–7:32.200
然後這個起始幀也獲得了連接。
7:32.200–7:35.460
所以這些影片中的每一個都從相同的起始幀開始。
7:35.460–7:39.380
然後語言模型可以將它們帶向不同的方向。
7:39.860–7:41.020
所以我已經運行了這些模型，
7:41.020–7:42.840
這是輸出結果。
7:45.840–7:47.380
這個工作流程的下一步
7:47.380–7:49.060
本質上是一個影像合成器。
7:49.160–7:51.840
所以它只會使用這些黑色覆蓋層，
7:51.840–7:54.740
然後將其發送給影片編輯器。
7:55.000–7:57.180
這本質上只是將這些覆蓋層
7:57.180–7:59.660
放在這裡的 C 舞蹈片段上，
7:59.660–8:02.380
以便我們可以將此發布到 Twitter 或 LinkedIn。
8:02.380–8:05.840
所以我在這部影片到目前為止所展示的一切，
8:05.840–8:06.980
我會將其包含在描述中，
8:06.980–8:08.380
包括這裡的模板，
8:08.380–8:11.300
其中還包含一個技能，
8:11.300–8:14.040
用於在 Claude Code 中設置這些子代理。
8:14.900–8:17.360
所以希望你們覺得這個教程有幫助，
8:17.360–8:19.960
並且你們能夠自行設置 Kimi K3。
8:19.960–8:20.000
讓我們看看。
0:00.000–0:01.676
So Kimi K3 just got released and
所以Kimi K3剛剛發布，並且
0:01.676–0:04.320
it's the number one front-end model on the arena.
它已經是Arena上排名第一的前端模型。
0:04.620–0:07.380
I'm going to show you exactly how you can set it up in your clawed code
我將向你展示如何在Clawed Code中設置它，
0:07.380–0:10.220
and how you can make this viral visual in under 10 minutes.
以及如何在10分鐘內製作這個病毒式視覺效果。
0:11.720–0:13.060
So this is Kimi K3.
所以這是Kimi K3。
0:13.520–0:16.920
It's the latest open source model from Moonshot AI Labs.
它是Moonshot AI Labs最新的開源模型。
0:17.420–0:19.420
And this video on the right here is their launch video,
而右邊的這段視頻是他們的發布視頻，
0:19.560–0:23.540
which they said was entirely edited and created by Kimi K3 itself.
據他們說，該視頻完全由Kimi K3本身編輯和創建。
0:23.940–0:27.360
In this video, we're going to cover what exactly Kimi K3 is.
在本視頻中，我們將介紹Kimi K3究竟是什麼。
0:28.260–0:30.220
We're going to set it up in clawed code
我們將把它設置在Clawed Code中，
0:30.220–0:35.180
and then we're going to recreate this viral style templated video on the right here
然後我們將重製右邊這段病毒式風格模板視頻，
0:35.180–0:40.280
where you can compare Kimi K3, Fable 5 and GPT 5.6 Sol,
你可以在其中比較Kimi K3、Fable 5和GPT 5.6 Sol，
0:40.760–0:42.840
giving different prompts to C-Dance.
並向C-Dance提供不同的提示。
0:44.860–0:49.700
So it's a 2.8 trillion parameter mixture of experts model
所以它是一個擁有2.8萬億參數的專家混合模型，
0:49.700–0:51.840
with a 1 million context window.
並具備100萬的上下文窗口。
0:52.440–0:54.920
And the pricing is equivalent to Sonnet, which is pretty insane
並且其定價與Sonnet相當，這相當驚人，
0:54.920–0:58.760
because Kimi K2, K3 consistently outperforms Opus 4.
因為Kimi K2、K3在許多任務中持續優於Opus 4.8。
0:58.760–1:00.040
8 in a lot of tasks.
這是前端代碼Arena。
1:00.760–1:02.180
This is front-end code arena.
它根據真實前端任務的盲選投票對模型進行排名。
1:02.660–1:06.100
It ranks models based on blind votes on real front-end tasks.
所以人們比較兩個輸出結果，然後選擇其中一個。
1:06.540–1:08.640
So people compare two outputs and then pick one.
所以這不是實驗室在批改自己的作業。
1:08.800–1:10.940
So it's not a lab that's grading its own homework.
你可以看到第18行，我們有舊的Kimi K2.6模型。
1:11.600–1:15.720
And you can see row 18, we had the old Kimi K2.6 model.
而現在它已經上升到第一名。
1:16.280–1:18.400
And now it's all the way up in first place.
所以他們在一次發布中從第18名躍升至第一名。
1:18.940–1:21.580
So they went from 18th to first place in one release.
所以如果你使用模型進行設計工作、UI設計，
1:21.580–1:25.300
So if you use models for design work, for UI,
基本上是人最終會看到的一切，
1:25.580–1:27.740
pretty much anything that a person ends up looking at,
這張圖表對你最為重要。
1:27.980–1:29.780
this is the chart that matters most to you.
這只是前端榜單。
1:30.160–1:31.700
That's just the front-end board though.
我不想過度推銷它，因為
1:31.880–1:33.684
And I don't want to oversell it because
Kimi K3實際上在大多數通用編程和
1:33.684–1:35.940
Kimi K3 actually does sit around the third place
智能體基準測試中排名第三和第二。
1:35.940–1:39.417
and the second place on most of the general coding and
所以你可以在這裡看到，大部分時間排在它上面的是Fable 5。
1:39.417–1:40.840
agentic benchmarks.
而且它確實也經常擊敗GPT 5.6。
1:40.840–1:44.580
So here you can see that above it most of the time is Fable 5.
老實說，這部分是真正給Anthropic和OpenAI帶來壓力的原因，
1:45.260–1:48.540
And it does beat GPT 5.6 a lot of the time as well.
因為曾經接近頂端意味著你必須為此支付巨大的溢價。
1:49.060–1:52.400
And honestly, this is the part that puts real pressure on Anthropic and OpenAI
而現在你可以獲得一個與GPT 5.6相當
1:52.400–1:57.080
because being this close to the top used to mean that you had to pay huge premium for it.
甚至優於Opus 4.8的模型，價格卻僅為Sonnet的水平。
1:57.500–2:00.860
And now you can get a model that's the equivalent to GPT 5.6
在我向你展示如何設置這個模型之前，
2:00.860–2:04.120
and even better than Opus 4.8 for the price of Sonnet.
而且價格僅相當於 Sonnet，性能甚至優於 Opus 4.8。
2:04.120–2:08.180
Before I show you how you can set this model up,
在展示如何設定這個模型之前，
2:08.260–2:10.300
I'll just go through a few of the catches.
接下來我會說明幾個需要注意的地方。
2:11.120–2:12.780
Firstly, there's no open waits yet.
首先，目前還沒有開放等待名單。
2:13.100–2:16.460
They've said that they're going to release the open waits on July 27th.
他們表示將在 7 月 27 日開放等待名單。
2:16.460–2:19.440
But as of today, there's nothing public yet.
但截至今天，還沒有任何公開資訊。
2:20.240–2:22.660
Another one is that it's slow on hard tasks.
另一個問題是，在處理複雜任務時速度較慢。
2:22.840–2:26.720
So a user reported that it took up to 35 minutes for a single front-end task.
有使用者回報，單一前端任務最多花了 35 分鐘。
2:27.320–2:29.620
And then the third one is that it trains on your traffic.
第三點是，它會利用你的流量進行訓練。
2:29.700–2:31.500
So anything that you're sending it through the API,
也就是說，你透過 API 傳送給它的所有內容，
2:31.500–2:34.660
it's going to train its future models on that.
都會被用來訓練它未來的模型。
2:35.080–2:36.340
And it is a Chinese model.
而且這是一個中國模型。
2:36.540–2:40.200
So you never know what's going to happen with that data.
所以你永遠不知道這些資料會發生什麼事。
2:41.360–2:41.800
All right.
好了。
2:41.800–2:43.120
So let's jump into the setup.
現在讓我們進入設定步驟。
2:43.860–2:44.020
All right.
好了。
2:44.020–2:45.500
So the first step is getting our key.
第一步是取得我們的金鑰。
2:45.940–2:48.040
And to get our key, we're going to go to Kimi.com.
要取得金鑰，我們會前往 Kimi.com。
2:48.620–2:49.700
You're going to want to log in.
你需要登入。
2:49.800–2:51.940
And then you're going to need to get on the cheapest plan.
然後你需要選擇最便宜的方案。
2:52.020–2:53.760
So just come down to your name down the bottom here.
所以請往下滑到這裡底部的你的名稱。
2:54.100–2:55.120
Click on upgrade plan.
點擊「升級方案」。
2:55.580–2:57.020
And then I've just chosen this plan here,
然後我這裡選擇了這個方案，
2:57.060–2:58.200
but you can choose any of your plans.
但你可以選擇任何方案。
2:58.380–2:59.340
They all come with K3.
所有方案都包含 K3。
2:59.340–3:01.720
And this beats out using the API,
這比使用 API 更好，
3:02.040–3:03.400
because if you're going to use the API,
因為如果你要使用 API，
3:03.480–3:05.420
you're going to have to pay for that usage fee,
你就必須支付使用費，
3:05.500–3:08.440
which is going to end up being more than if you're just going to use the plan.
這最終會比直接使用方案更昂貴。
3:10.020–3:12.020
Now that we're logged in and subscribed to our plan,
現在我們已登入並訂閱了方案，
3:12.080–3:15.100
we need to go to the console page to get our API key.
我們需要前往主控台頁面以取得 API 金鑰。
3:15.180–3:16.340
So I'm going to go to Kimi code.
所以我會前往 Kimi code。
3:17.140–3:18.840
Then I'm going to go to console.
然後我會前往主控台。
3:19.320–3:21.040
Next, we just want to create an API key.
接下來，我們只需要建立一個 API 金鑰。
3:21.420–3:22.800
So just name it whatever you want.
所以請隨意命名。
3:22.980–3:23.620
Click create.
點擊建立。
3:24.020–3:25.900
Then you need to copy this key here.
然後你需要複製這裡的金鑰。
3:25.900–3:28.500
And we're just going to take this key into Claude code now.
我們將把這個金鑰帶入 Claude code。
3:29.000–3:29.180
All right.
好了。
3:29.180–3:30.040
So I've got my key copied.
所以我已經複製了我的金鑰。
3:30.180–3:32.960
And now I'm in VS code with the Claude code plugin installed.
現在我在 VS code 中，並已安裝 Claude code 外掛。
3:33.220–3:35.540
I'm just going to paste the key in here and say,
我只會把金鑰貼在這裡並說，
3:35.720–3:39.960
please set up Kimi K3 for me.
請幫我設定 Kimi K3。
3:40.040–3:43.480
So I can use it as a sub agent.
這樣我就能把它當作子代理（sub agent）來使用。
3:43.820–3:44.940
One thing to know though,
不過有一件事需要了解，
3:44.940–3:47.060
is that an API key is essentially a password.
那就是 API 金鑰本質上就相當於密碼。
3:47.760–3:50.680
And I've just pasted this one in here because it's just a $20 burner.
我剛才把它貼在這裡，是因為這只是一個 20 美元的消耗型金鑰。
3:50.680–3:53.540
And I can cancel that key anytime on their site.
而且我可以隨時在他們的網站上取消該金鑰。
3:53.820–3:59.240
So I just wouldn't paste any important keys that matter directly into your Claude code chat.
所以我不會把任何重要的金鑰直接貼到 Claude Code 的聊天視窗中。
3:59.520–4:03.000
I definitely put them straight into your .emv file.
我絕對會把金鑰直接寫進你的 .env 檔案裡。
4:03.600–4:03.780
All right.
好的。
4:03.800–4:06.540
So Claude just got back to me about two minutes later saying,
大約兩分鐘後，Claude 回覆我說，
4:06.660–4:08.540
Kimi K3 sub agent is done.
Kimi K3 子代理已設定完成。
4:08.820–4:10.080
TLDR, Kimi builder.
簡短來說，Kimi 建構器。
4:10.280–4:13.220
A sub agent is set up and the key is verified working.
子代理已設定，且金鑰驗證運作正常。
4:13.380–4:15.360
New agent types load at session start.
新的代理類型會在工作階段開始時載入。
4:15.460–4:17.520
So it becomes spawnable after your next slash clear.
所以在你下次執行 /clear 指令後，它就可以被啟動。
4:17.520–4:19.280
Now I'm just going to paste this in and say,
現在我要把這個貼上去，並說，
4:20.020–4:24.160
I'm going to say, how can we use this sub agent?
我要問說，我們該如何使用這個子代理？
4:25.440–4:28.320
Kimi is now set up fully in my Claude code as a sub agent.
Kimi 現在已在我的 Claude Code 中完全設定為子代理。
4:28.460–4:29.580
So whenever I want to use Kimi,
所以每當我想使用 Kimi 時，
4:29.880–4:32.880
I'll just tell Claude to use that Kimi sub agent.
我就會指示 Claude 使用那個 Kimi 子代理。
4:33.300–4:36.140
So now we'll jump into creating an actual test.
現在我們來建立一個實際的測試。
4:36.440–4:37.720
So we're going to use this example here,
我們將使用這裡的範例，
4:37.780–4:40.160
which is through the Wireflow API.
它是透過 Wireflow API 進行。
4:40.620–4:43.360
And Wireflow is just a creative node-based canvas
而 Wireflow 是一個創意的節點式畫布，
4:43.360–4:46.760
that lets us add prompts and then connect those prompts
讓我們可以新增提示，然後將這些提示
4:46.760–4:48.340
to video models or image models.
連結到影片模型或圖像模型。
4:48.580–4:52.780
So for this example, we're going to have Kimi create a creative prompt
因此，在這個範例中，我們將讓 Kimi 根據這裡的靜態影像建立一個創意提示。
4:52.780–4:54.680
based on this still image here.
基於這張靜態影像。
4:55.360–4:57.800
And then we're going to have Fable 5 create a prompt
接著我們將讓 Fable 5 建立提示，
4:57.800–5:00.100
as well as GPT 5.6 create a prompt.
以及 GPT 5.6 建立提示。
5:00.300–5:03.580
And then we're going to see what those different outputs
然後我們將並排查看這些不同輸出的
5:03.580–5:04.920
look like side by side.
外觀。
5:07.080–5:07.540
All right.
好的。
5:07.540–5:09.840
Next steps are we just have to set up the Wireflow API.
下一步，我們只需要設定 Wireflow API。
5:09.840–5:13.020
So I'm just going to come to wireflow.ai slash API
所以我會前往 wireflow.ai 的 API 頁面，
5:13.020–5:14.740
and I'm going to click get the key.
並點擊取得金鑰。
5:15.040–5:17.120
And then it's going to take me to slash settings.
接著它會帶我進入設定頁面。
5:17.440–5:19.960
And then in here, I'm going to click on API keys
然後在這裡，我會點擊 API 金鑰，
5:19.960–5:21.880
and then click on create a new key.
接著點擊建立新金鑰。
5:22.060–5:25.180
Just name it Kimi create key, copy this key.
將其命名為 Kimi create key，並複製這個金鑰。
5:25.280–5:26.980
And we're just going to do the exact same process
接下來，我們將執行與之前相同的流程
5:26.980–5:28.800
as before with the Kimi key.
使用 Kimi 的 API 金鑰。
5:28.900–5:30.360
So I'm just going to paste it in here and say,
所以我只會把它貼在這裡，然後說，
5:30.500–5:35.780
please set up my API key for Wireflow, Wireflow's API.
請為 Wireflow 的 API 設定我的 API 金鑰。
5:36.400–5:36.820
All right.
好的。
5:36.860–5:38.440
So our Wireflow key is set up now
現在我們的 Wireflow 金鑰已設定完成
5:38.440–5:40.140
and it's confirmed working.
並確認運作正常。
5:40.300–5:41.680
So now we're going to go back to Wireflow.
所以現在我們要回到 Wireflow。
5:41.940–5:43.460
This is the template that we're using.
這是我們使用的範本。
5:43.700–5:46.360
So it's a one start frame, three AI directors,
它包含一個起始幀、三個 AI 導演，
5:46.680–5:49.520
Kimi K3, Claude Fable 5 and GPT 5.6.
分別是 Kimi K3、Claude Fable 5 和 GPT 5.6。
5:49.820–5:51.280
So once you have everything set up,
所以一旦你完成所有設定，
5:51.320–5:52.420
you just click on use this template
只需點擊「使用此範本」
5:52.420–5:53.720
and then it will open the template,
然後它就會開啟範本，
5:53.860–5:54.720
which looks like this.
看起來就像這樣。
5:54.860–5:56.760
And you can actually run the workflow from in here,
你實際上可以從這裡執行工作流程，
5:56.840–6:00.140
but we're going to use Claude code to write all the prompts,
但我們將使用 Claude Code 來撰寫所有提示詞，
6:00.300–6:01.560
inject the prompts in the workflow,
將提示詞注入工作流程，
6:01.560–6:02.820
and then we'll come back to the workflow
然後我們會回到工作流程
6:02.820–6:05.120
and run the actual C dance nodes one at a time.
並一次執行一個 C 舞蹈節點。
6:05.500–6:07.080
Because we have Claude code already connected
因為我們已經將 Claude Code 連接
6:07.080–6:08.180
to our Wireflow account.
到我們的 Wireflow 帳戶。
6:08.300–6:09.880
We can just grab this URL here,
我們可以複製這裡的 URL，
6:10.160–6:12.080
come back to our Claude code with Kimi
回到我們的 Claude Code 與 Kimi，
6:12.080–6:13.600
and just paste the URL and say,
然後貼上 URL 並說，
6:13.760–6:16.760
can you learn this workflow?
你能學習這個工作流程嗎？
6:17.400–6:21.820
I'm going to want to change the prompts.
我想要修改提示詞。
6:22.360–6:22.480
Okay.
好的。
6:22.560–6:23.200
So it said,
所以它說，
6:23.740–6:24.320
TLDR,
簡短摘要，
6:24.320–6:26.700
it's a three-way AI directors comparison flow,
這是一個三方 AI 導演比較流程，
6:27.160–6:29.800
one shared start frame fans out into three C dance,
一個共享的起始幀分叉成三個 C 舞蹈，
6:29.900–6:30.380
two nodes,
兩個節點，
6:30.500–6:32.340
each driven by a different model's motion prompt.
每個節點由不同模型的動作提示驅動。
6:32.780–6:32.960
All right.
好的。
6:32.960–6:33.960
So next we're going to write,
所以下一步我們要撰寫，
6:34.380–6:38.420
please spawn three different sub agents,
請生成三個不同的子代理，
6:38.940–6:40.700
one Kimi K3,
一個是 Kimi K3，
6:41.220–6:42.380
one Fable,
一個是 Fable，
6:42.380–6:45.400
and one GPT 5.6,
和一個 GPT 5.6，
6:45.540–6:49.840
and have them each look at the reference image,
並讓它們各自查看參考圖片，
6:49.980–6:53.640
then create their own motion prompt
然後創建它們自己的動作提示，
6:53.640–6:58.760
and insert it into the relevant text box,
並將其插入相關的文字方塊中，
6:58.980–6:59.360
please.
請。
6:59.780–7:01.880
So Claude code has just replied and it said,
所以 Claude Code 剛剛回覆了，它說，
7:01.980–7:02.140
done.
完成。
7:02.220–7:04.120
All three models view the actual start frame,
這三個模型都查看了實際的起始幀，
7:04.480–7:05.640
wrote their own motion prompt,
寫下了它們各自的動作提示，
7:05.640–7:07.440
and the prompts are live within the flow.
並且這些提示已即時整合到流程中。
7:07.440–7:09.260
So you can see Kimi K3,
所以你可以看到 Kimi K3，
7:09.320–7:10.180
110 words,
110 個字，
7:10.280–7:13.360
and then it kind of describes the different actions
然後它大致描述了每個模型在此採取的不同動作
7:13.360–7:15.160
and motions that each one of them took here.
和運動。
7:15.320–7:16.760
And so now we can go back into the flow
所以現在我們可以回到流程中，
7:16.760–7:19.120
and you can see that this has already changed.
你可以看到這已經改變了。
7:19.340–7:21.600
Each prompt has been automatically inserted
每個提示都已自動插入
7:21.600–7:22.900
into their prompt box here.
到這裡的提示方塊中。
7:23.100–7:25.520
And then you can see these purple lines here.
然後你可以看到這裡的紫色線條。
7:25.640–7:26.600
This is the text connector.
這是文字連接器。
7:26.740–7:29.420
So it's connecting into the C dance to here.
所以它連接到這裡的 C 舞蹈。
7:29.820–7:32.200
And then this start frame is also getting connected.
然後這個起始幀也獲得了連接。
7:32.200–7:35.460
So each of these videos starts from the same start frame.
所以這些影片中的每一個都從相同的起始幀開始。
7:35.460–7:39.380
Then the language models can take it in different directions.
然後語言模型可以將它們帶向不同的方向。
7:39.860–7:41.020
And so I've already run these models
所以我已經運行了這些模型，
7:41.020–7:42.840
and this was the output.
這是輸出結果。
7:45.840–7:47.380
And the next steps in this workflow
這個工作流程的下一步
7:47.380–7:49.060
is essentially a image compositor.
本質上是一個影像合成器。
7:49.160–7:51.840
So it's just going to use these black overlays
所以它只會使用這些黑色覆蓋層，
7:51.840–7:54.740
and then it's sending this into a video editor.
然後將其發送給影片編輯器。
7:55.000–7:57.180
And this is essentially just putting those overlays
這本質上只是將這些覆蓋層
7:57.180–7:59.660
on those C dance to clips here
放在這裡的 C 舞蹈片段上，
7:59.660–8:02.380
so that we can post this on Twitter or LinkedIn.
以便我們可以將此發布到 Twitter 或 LinkedIn。
8:02.380–8:05.840
So everything I've shown in this video so far
所以我在這部影片到目前為止所展示的一切，
8:05.840–8:06.980
I'll include it in the description
我會將其包含在描述中，
8:06.980–8:08.380
including this template here
包括這裡的模板，
8:08.380–8:11.300
which also includes a skill in it
其中還包含一個技能，
8:11.300–8:14.040
to set up those sub-agents in Claude Code.
用於在 Claude Code 中設置這些子代理。
8:14.900–8:17.360
So hopefully you guys found this tutorial useful
所以希望你們覺得這個教程有幫助，
8:17.360–8:19.960
and you're able to set up Kimi K3 for yourselves.
並且你們能夠自行設置 Kimi K3。
8:19.960–8:20.000
Let's see.
讓我們看看。

影片筆記：How to Set Up Kimi K3 in Claude Code + Kimi K3 vs Claude Fable 5 vs GPT-5.6

一句話總結

影片介紹了 Moonshot AI Labs 發布的開源模型 Kimi K3，演示了如何在 Claude Code 中將其設定為子代理（sub agent），並結合 Wireflow API 製作一個對比不同 AI 模型（Kimi K3、Fable 5、GPT 5.6）生成動態提示詞的病毒式視覺影片。

核心重點

  1. Kimi K3 模型特性：
  • 由 Moonshot AI Labs 發布，目前在 Front-end Arena 排行榜排名第一。
  • 技術規格：2.8 兆參數混合專家模型（Mixture of Experts），支援 100 萬上下文視窗。
  • 性能表現：在一般編碼和代理基準測試中排名約第三或第二，通常低於 Fable 5，但常優於 GPT 5.6。在 Opus 4.8 的許多任務中表現優異。
  • 定價：價格相當於 Sonnet，但性能超越 Opus 4.8 且優於 GPT 5.6。
  1. 潛在缺點與注意事項：
  • 尚未開放權重（Open weights），預計 7 月 27 日發布。
  • 處理困難任務時速度較慢（單一前端任務可能需 35 分鐘）。
  • 透過 API 發送的數據將用於訓練未來模型。
  • 作為中國模型，數據隱私存在不確定性。
  1. 設定流程：
  • 在 Kimi.com 訂閱最便宜方案以獲取 API Key。
  • 在 VS Code 安裝 Claude Code 插件，將 API Key 設定為子代理。
  • 安全建議：使用一次性（burner）金鑰或放入 .emv 檔案，避免直接貼在聊天視窗。
  1. Viral 視覺影片製作：
  • 使用 Wireflow（創意節點式畫布）進行工作流設定。
  • 透過 Claude Code 生成三個子代理，分別參考起始圖片生成動態提示詞（motion prompt）。
  • 提示詞自動插入工作流對應框中，執行 C-Dance 節點生成影片片段。
  • 使用影像合成器（Image Compositor）添加黑色遮罩並匯入影片編輯器，最終輸出用於 Twitter 或 LinkedIn。

詳細大綱

1. Kimi K3 模型介紹與評估

  • 發布背景：Moonshot AI Labs 最新發布的開源模型。
  • 技術規格：
  • 2.8 兆參數混合專家模型（Mixture of Experts）。
  • 100 萬上下文視窗。
  • 性能表現：
  • Front-end Arena 排名第一（從第 18 名躍升）。
  • 在一般編碼和代理基準測試中排名約第三或第二。
  • 通常低於 Fable 5，但常優於 GPT 5.6。
  • 在 Opus 4.8 的許多任務中表現優異。
  • 定價優勢：
  • 價格相當於 Sonnet。
  • 性能超越 Opus 4.8 且優於 GPT 5.6。
  • 缺點/注意事項：
  • 尚未開放權重（Open weights），預計 7 月 27 日發布。
  • 處理困難任務時速度較慢（單一前端任務可能需 35 分鐘）。
  • 透過 API 發送的數據將用於訓練未來模型。
  • 作為中國模型，數據隱私存在不確定性。

2. 設定步驟：獲取 API 金鑰

  • 前往 Kimi.com 登入。
  • 訂閱最便宜的方案（包含 K3 功能，比直接使用 API 更划算）。
  • 進入 Console 頁面建立 API Key。
  • 複製金鑰。

3. 設定步驟：在 Claude Code 中整合

  • 在 VS Code 中安裝 Claude Code 插件。
  • 將 API Key 貼上並指令 Claude Code 設定 Kimi K3 為子代理。
  • 安全建議：
  • 僅使用一次性（burner）金鑰。
  • 或將金鑰直接放入 .emv 檔案，避免直接貼在聊天視窗。
  • 確認子代理設定完成，可在清除會話後調用。

4. 製作 Viral 視覺影片流程

  • 使用 Wireflow（創意節點式畫布）進行工作流設定。
  • 獲取 Wireflow API Key 並設定於 Claude Code。
  • 使用特定模板：「1 個起始幀，3 個 AI 導演」（Kimi K3、Claude Fable 5、GPT 5.6）。
  • 透過 Claude Code 學習工作流 URL。
  • 指令 Claude Code 生成三個子代理，分別參考起始圖片生成動態提示詞（motion prompt）。
  • 提示詞自動插入工作流對應框中。
  • 執行 C-Dance 節點生成影片片段。
  • 使用影像合成器（Image Compositor）添加黑色遮罩並匯入影片編輯器，最終輸出用於 Twitter 或 LinkedIn 的影片。

工具 / 模型 / 名詞整理

  • 模型/產品名稱：
  • Kimi K3
  • Kimi K2
  • Kimi K2.6
  • Moonshot AI Labs
  • Fable 5
  • GPT 5.6
  • Opus 4.8
  • Sonnet
  • Claude Code
  • VS Code
  • Kimi.com
  • Wireflow (wireflow.ai)
  • C-Dance (或 C dance)
  • Front-end Arena (Front-end board)
  • 技術/概念：
  • Mixture of Experts (MoE)
  • API Key
  • Sub agent
  • Context window
  • Blind votes
  • Open weights
  • .emv file
  • Node-based canvas
  • Image compositor
  • Twitter
  • LinkedIn

操作流程整理

  1. 準備 API 金鑰：
  • 登入 Kimi.com。
  • 訂閱最便宜方案以獲得 K3 功能權限。
  • 在 Console 頁面建立並複製 API Key。
  1. 配置 Claude Code：
  • 在 VS Code 安裝 Claude Code 插件。
  • 將 API Key 安全存放（建議使用一次性金鑰或 .emv 檔案）。
  • 指令 Claude Code 將 Kimi K3 設定為子代理。
  1. 準備 Wireflow 工作流：
  • 獲取 Wireflow API Key。
  • 在 Claude Code 中設定 Wireflow 相關配置。
  • 獲取特定模板 URL（「1 個起始幀，3 個 AI 導演」）。
  1. 生成與合成影片：
  • 指令 Claude Code 生成三個子代理。
  • 各子代理參考起始圖片生成動態提示詞（motion prompt）。
  • 提示詞自動填入 Wireflow 工作流對應框。
  • 執行 C-Dance 節點生成影片片段。
  • 使用影像合成器添加黑色遮罩。
  • 匯入影片編輯器進行最終輸出，準備發布至 Twitter 或 LinkedIn。

值得注意的限制或風險

  • 數據隱私：作為中國模型，透過 API 發送的數據將用於訓練未來模型，數據隱私存在不確定性。
  • 性能延遲：處理困難任務時速度較慢，單一前端任務可能需 35 分鐘。
  • 權重未開放：目前尚未開放權重（Open weights），預計 7 月 27 日發布。
  • 金鑰安全：建議使用一次性（burner）金鑰或放入 .emv 檔案，避免直接貼在聊天視窗。

逐字稿辨識疑點

  • Fable 5：逐字稿中多次提及此名稱，通常對應 Anthropic 的模型，但標準名稱通常為 "Claude" 系列或特定版本，此處聽寫為 "Fable 5"，需查證是否為特定內部名稱或聽寫錯誤。
  • GPT 5.6：逐字稿中提及 "GPT 5.6"，目前公開版本通常為 GPT-4 系列或 GPT-4o，"5.6" 可能為聽寫錯誤或未來版本預測，需查證。
  • Opus 4.8：逐字稿中提及 "Opus 4.8"，通常對應 Anthropic 的 Claude Opus 模型，版本號 "4.8" 需查證是否為準確版本號。
  • C-Dance / C dance：逐字稿中提及 "C-Dance" 和 "C dance nodes"，這可能是指某種特定的 AI 視頻生成技術或工具名稱，但非主流通用名稱，需查證是否為 "Runway"、"Pika" 或其他工具的誤聽，或是特定內部工具名稱。
  • Wireflow：逐字稿中提及 "Wireflow" 和 "wireflow.ai"，需確認此為真實存在的產品名稱。
  • Front-end Arena：逐字稿中提及此排行榜，需確認其準確名稱是否為 "LMSYS Chatbot Arena" 的前端代碼類別或其他特定平台。
  • Kimi K2, K3 consistently outperforms Opus 4.8：此處比較對象 "Opus 4.8" 的版本號需查證。
  • GPT 5.6 Sol：逐字稿開頭提及 "GPT 5.6 Sol"，後續僅提及 "GPT 5.6"，"Sol" 可能為多餘字詞或特定變體名稱，需查證。
  • 2.8 trillion parameter：逐字稿提及參數數量，需查證 Kimi K3 是否確實為 2.8 兆參數。
  • 1 million context window：逐字稿提及上下文視窗大小，需查證是否準確。
  • July 27th：逐字稿提及開放權重日期，需查證是否為準確日期。
  • $20 burner：逐字稿提及 "$20 burner" 方案，需查證是否有此特定定價方案。
  • Claude Fable 5：在模板描述中出現 "Claude Fable 5"，這將 "Claude" 和 "Fable 5" 結合，需查證是否為同一模型的不同稱呼或誤聽。
  • C dance to here：逐字稿中 "C dance to here" 語意不明，可能為 "C dance node here" 或類似意思的聽寫錯誤。
  • 110 words：逐字稿提及 Kimi K3 生成的提示詞為 "110 words"，此為具體數值，需確認是否為範例中的具體數字。

可延伸追問

  • Kimi K3 的 2.8 兆參數與 100 萬上下文視窗在實際應用中的具體效能表現為何？
  • Front-end Arena 排行榜的評分標準與 LMSYS Chatbot Arena 有何不同？
  • Wireflow 平台的功能與常見 AI 視頻生成工具（如 Runway, Pika）相比有何優勢？
  • 在 Claude Code 中設定子代理時，.emv 檔案的具體格式與使用規範為何？
  • Kimi K3 預計於 7 月 27 日開放權重後，對開發者生態系可能產生何種影響？

生字列表

生字讀音類型中文
front-endフロントエンド名詞前端（網頁開發中用戶直接看到的介面部分）
open sourceオープンソース名詞開源
viralバイラル形容動詞病毒式的（指迅速廣泛傳播）
parameterパラメータ名詞參數
context windowコンテキストウィンドウ名詞上下文窗口（上下文視窗）
outperformアウトパフォーム動詞優於、表現超過
blind voteブラインド投票名詞盲選投票
oversellオーバーセール動詞過度推銷、誇大宣傳
premiumプレミアム名詞溢價、額外費用
catchキャッチ名詞隱藏條件、需要注意的地方
burnerバーナー名詞一次性使用的（物品）
sub agentサブエージェント名詞子代理
spawnスポーン動詞生成、啟動
injectインジェクト動詞注入
compositorコンポジット名詞合成器（影像處理）
overlayオーバーレイ名詞覆蓋層
templateテンプレート名詞範本、模板

生字解說

front-end フロントエンド

名詞 · N2

意思：前端（網頁開發中用戶直接看到的介面部分）

解說：指網頁或應用程式中使用者直接互動的介面部分，與後端（伺服器邏輯）相對應。

影片原句
it's the number one front-end model on the arena.
它已經是Arena上排名第一的前端模型。
延伸例句
彼はフロントエンド開発の専門家です。
他是前端開發的專家。

open source オープンソース

名詞 · N2

意思：開源

解說：指軟體的原始碼公開，允許任何人檢視、修改和分發。

影片原句
It's the latest open source model from Moonshot AI Labs.
它是Moonshot AI Labs最新的開源模型。
延伸例句
このソフトウェアはオープンソースで提供されています。
這套軟體是以開源方式提供的。

viral バイラル

形容動詞 · N2

意思：病毒式的（指迅速廣泛傳播）

解說：形容資訊、影片或內容像病毒一樣快速且廣泛地在網路上傳播。

影片原句
how you can make this viral visual in under 10 minutes.
以及如何在10分鐘內製作這個病毒式視覺效果。
延伸例句
その動画はバイラルヒットになりました。
那段影片成了病毒式熱門內容。

parameter パラメータ

名詞 · N1

意思：參數

解說：在AI模型中，指影響模型行為和學習能力的數值設定。

影片原句
So it's a 2.8 trillion parameter mixture of experts model
所以它是一個擁有2.8萬億參數的專家混合模型，
延伸例句
パラメータを調整して精度を上げます。
調整參數以提高準確性。

context window コンテキストウィンドウ

名詞 · N1

意思：上下文窗口（上下文視窗）

解說：指AI模型在一次處理中能讀取和記憶的文本長度限制。

影片原句
with a 1 million context window.
並具備100萬的上下文窗口。
延伸例句
大きなコンテキストウィンドウを持つモデルは、長い文章を処理できます。
擁有大上下文視窗的模型可以處理長篇文章。

outperform アウトパフォーム

動詞 · N1

意思：優於、表現超過

解說：指在表現、成績或能力上超過對手或標準。

影片原句
because Kimi K2, K3 consistently outperforms Opus 4.
因為Kimi K2、K3在許多任務中持續優於Opus 4.8。
延伸例句
新しい製品は競合他社の製品をアウトパフォームしています。
新產品優於競爭對手的產品。

blind vote ブラインド投票

名詞 · N2

意思：盲選投票

解說：指在不知道結果來源的情況下進行投票，以確保公平性。

影片原句
It ranks models based on blind votes on real front-end tasks.
它根據真實前端任務的盲選投票對模型進行排名。
延伸例句
ブラインド投票によって、客観的な評価が行われます。
透過盲選投票進行客觀評估。

oversell オーバーセール

動詞 · N2

意思：過度推銷、誇大宣傳

解說：指過度宣傳產品的優點，導致預期與實際不符。

影片原句
And I don't want to oversell it because
我不想過度推銷它，因為
延伸例句
製品をオーバーセールしないでください。
請不要過度推銷這款產品。

premium プレミアム

名詞 · N2

意思：溢價、額外費用

解說：指為了獲得更高品質或服務而支付的額外費用。

影片原句
because being this close to the top used to mean that you had to pay huge premium for it.
因為曾經接近頂端意味著你必須為此支付巨大的溢價。
延伸例句
プレミアム会員になると、特典が受けられます。
成為付費會員後，可以享受特權。

catch キャッチ

名詞 · N2

意思：隱藏條件、需要注意的地方

解說：指產品或服務中可能存在的限制、缺點或需要注意的細節。

影片原句
I'll just go through a few of the catches.
接下來我會說明幾個需要注意的地方。
延伸例句
このプランにはいくつかのキャッチがあります。
這個方案有一些需要注意的地方。

burner バーナー

名詞 · N2

意思：一次性使用的（物品）

解說：指設計為短期使用後即丟棄或取消的物品，如一次性手機或金鑰。

影片原句
And I've just pasted this one in here because it's just a $20 burner.
我剛才把它貼在這裡，是因為這只是一個 20 美元的消耗型金鑰。
延伸例句
バーナーフォンを使って匿名で通話します。
使用一次性手機進行匿名通話。

sub agent サブエージェント

名詞 · N1

意思：子代理

解說：指由主代理調用或管理的輔助代理，用於執行特定任務。

影片原句
So I can use it as a sub agent.
這樣我就能把它當作子代理（sub agent）來使用。
延伸例句
サブエージェントは複雑なタスクを処理します。
子代理處理複雜的任務。

spawn スポーン

動詞 · N1

意思：生成、啟動

解說：指在計算機科學中創建或啟動新的進程、對象或代理。

影片原句
So it becomes spawnable after your next slash clear.
所以在你下次執行 /clear 指令後，它就可以被啟動。
延伸例句
新しいプロセスをスポーンします。
生成新的進程。

inject インジェクト

動詞 · N1

意思：注入

解說：指將數據、代碼或內容插入到系統或程式中。

影片原句
inject the prompts in the workflow,
將提示詞注入工作流程，
延伸例句
データをデータベースにインジェクトします。
將數據注入數據庫。

compositor コンポジット

名詞 · N1

意思：合成器（影像處理）

解說：指用於將多個影像元素組合在一起的軟體或工具。

影片原句
is essentially a image compositor.
本質上是一個影像合成器。
延伸例句
画像コンポジットを使用して、複数の画像を結合します。
使用影像合成器結合多張圖片。

overlay オーバーレイ

名詞 · N2

意思：覆蓋層

解說：指疊加在其他影像或內容之上的圖層。

影片原句
So it's just going to use these black overlays
所以它只會使用這些黑色覆蓋層，
延伸例句
オーバーレイを追加して、画像を編集します。
添加覆蓋層以編輯圖片。

template テンプレート

名詞 · N2

意思：範本、模板

解說：指預先設計好的格式或樣式，用於快速創建內容。

影片原句
And you can actually run the workflow from in here,
你實際上可以從這裡執行工作流程，
延伸例句
テンプレートを使用して、文書を作成します。
使用範本創建文件。

句型解說（含實例）

～based on～

意思：基於……

接續：名詞 + based on + 名詞/動詞原形

解說：表示某事物是根據另一事物來決定或進行的。

影片原句
It ranks models based on blind votes on real front-end tasks.
它根據真實前端任務的盲選投票對模型進行排名。
實例
  1. この決定は顧客のフィードバックに基づいています。
    這個決定是基於客戶的反饋。
  2. 計画は過去のデータに基づいて立てられました。
    計劃是基於過去的數據制定的。

～that lets us～

意思：讓我們能夠……

接續：名詞 + that + lets + 人 + 動詞原形

解說：表示某事物賦予了某人做某事的能力或機會。

影片原句
that lets us add prompts and then connect those prompts
讓我們可以新增提示，然後將這些提示
實例
  1. このアプリはユーザーがデータを共有できるようにします。
    這個應用程式讓用戶能夠共享數據。
  2. 新しい技術が私たちの生活をより便利にします。
    新技術讓我们的生活更加便利。

～used to～

意思：過去常常……

接續：主語 + used to + 動詞原形

解說：表示過去經常發生的動作或狀態，但現在不再如此。

影片原句
because being this close to the top used to mean that you had to pay huge premium for it.
因為曾經接近頂端意味著你必須為此支付巨大的溢價。
實例
  1. 私は毎日走っていました。
    我過去每天都跑步。
  2. この地域は昔、静かな村でした。
    這個地區過去是一個安靜的村莊。

～as well as～

意思：以及、除……之外也

接續：名詞/動詞 + as well as + 名詞/動詞

解說：表示除了前面提到的事物外，還包括後面提到的事物。

影片原句
And then we're going to have Fable 5 create a prompt as well as GPT 5.6 create a prompt.
接著我們將讓 Fable 5 建立提示，以及 GPT 5.6 建立提示。
實例
  1. 彼は英語だけでなく、フランス語も話せます。
    他不僅會說英語，也會說法語。
  2. この料理は野菜だけでなく、肉も使っています。
    這道菜不僅使用蔬菜，也使用肉類。

～once～

意思：一旦……

接續：once + 條件句, 主句

解說：表示在某個條件滿足後，就會發生某件事。

影片原句
So once you have everything set up,
所以一旦你完成所有設定，
實例
  1. 一度決まったら、変更できません。
    一旦決定，就無法更改。
  2. 準備が整えば、始めましょう。
    一旦準備就緒，我們就開始吧。

～so that～

意思：以便、為了

接續：主句 + so that + 目的句

解說：表示為了達到某個目的而採取某種行動。

影片原句
so that we can post this on Twitter or LinkedIn.
以便我們可以將此發布到 Twitter 或 LinkedIn。
實例
  1. 早く家を出ました。遅刻しないようにするためです。
    我早早離開家，以便不遲到。
  2. 資料を保存しました。後で参照できるようにするためです。
    我保存了數據，以便日後參考。

～whether～ or～

意思：無論……還是……

接續：whether + 選項1 + or + 選項2

解說：表示在兩種或多種情況中，結果或態度不變。

影片原句
whether it is sunny or rainy, we will go hiking.
無論晴天還是雨天，我們都會去徒步旅行。
實例
  1. 彼が来るかどうかは分かりません。
    我不知道他來不來。
  2. 成功するか失敗するかは、努力次第です。
    成功或失敗取決於努力。