7 月 16 日，北京。月之暗面（Moonshot AI）发布了旗下迄今能力最强的大模型——Kimi K3。

2.8 万亿参数，全球首个开源的 3T 级模型，100 万 token 上下文窗口，原生视觉理解，在多个编程和 Agent 基准测试中登顶第一。

这不是一次普通的版本迭代。这是一次对全球 AI 格局的正面冲击。

一、先看数字：2.8T 到底意味着什么

当我们谈论大模型的参数量时，很多人会条件反射地问：”更大就一定更好吗？”

答案是：不一定，但这次不一样。

Kimi K3 的 2.8 万亿（2.8T）参数，让它成为迄今为止全球最大的开源权重模型。作为参照，此前开源模型中参数量最大的 DeepSeek V4 Pro 约为 1.6T，K3 直接将其拉开了 75% 的身位。即便是业界普遍估计参数量在 1.7T 左右的 GPT-4，在 K3 面前也显得”轻量”了不少。

但真正关键的，不是总参数量有多大，而是它怎么用这些参数。

K3 采用的是混合专家架构（Mixture of Experts, MoE），在 896 个专家中，每次推理只激活 16 个——也就是说，每个 token 实际动用的参数只有约 500 亿（50B），仅占总量池的 1.8%。

这个设计极其精妙。它意味着 K3 拥有了一个超大模型的知识储备和表达能力，但在推理时的计算成本却只相当于一个 500 亿参数的模型。这就是为什么它能把 API 价格定在每百万 token 输入 3 美元、输出 15 美元的水平——一个远低于同级别闭源旗舰模型的价位。

用 2.8T 的大脑，干 50B 的活，花 1/3 的钱。 这就是 K3 最朴素也最有杀伤力的价值主张。

二、架构拆解：不只是”大”，更是”新”

如果只是把参数堆到 2.8 万亿，那 K3 充其量是一个暴力美学的产物。但月之暗面这次拿出了一整套自研架构，这才是真正值得行业关注的地方。

KDA：让百万 token 不再昂贵

传统 Transformer 的注意力机制是二次方复杂度的——上下文越长，计算量呈平方级增长。这就是为什么大多数模型在处理超长文本时会变得又慢又贵。

K3 引入了 Kimi Delta Attention（KDA） 混合线性注意力机制。它的大致思路是：对序列的大部分内容使用线性递归进行快速处理，只在特定间隔插入完整注意力运算。据官方数据，在 100 万 token 的满上下文长度下，KDA 的解码速度比标准注意力快 6.3 倍。

这意味着什么？意味着 K3 真的能用满 100 万 token 的上下文窗口，而不是把它当摆设。

Attention Residuals：跨深度的记忆选择

传统深度网络中，信息是从浅层到深层逐层累积的。但 K3 的 Attention Residuals（AttnRes） 打破了这个模式——它允许模型在跨深度层面进行选择性检索，而不是均匀地堆叠表示。

你可以把它理解为一个”选择性记忆”机制：模型不是把所有信息一视同仁地往前传，而是在不同深度层之间建立”快捷通道”，让关键信息能够直接被检索到。

Stable LatentMoE：896 个专家的调度艺术

896 个专家选 16 个，听起来简单，实际上路由（routing）是 MoE 架构中最难的问题之一。传统的路由方法依赖启发式规则和敏感的超参数调整，容易出现负载不均衡。

K3 用了一套叫 Stable LatentMoE 的框架，配合 Quantile Balancing（分位数平衡） 技术，直接从路由分数的分位数推导专家分配，消除了启发式更新和敏感超参的依赖。

用更直白的话说：它让 896 个专家的工作分配变得更公平、更稳定、更可预测。

训练工程：从第一步就为推理优化

一个容易被忽视但极其重要的细节：K3 从 SFT（监督微调）阶段就开始应用 量化感知训练（QAT），权重精度为 MXFP4，激活精度为 MXFP8。

这意味着 K3 在训练时就”知道”自己将来要以低精度运行，而不是训练完再压缩。这种”原生量化”策略让它在推理时具有更广泛的硬件兼容性和更低的部署门槛。

此外，K3 还引入了 Per-Head Muon 优化器（独立优化每个注意力头）和 SiTU 激活函数（改进激活控制），这些都是在底层架构层面的创新，而非简单的规模扩展。

官方透露，相比上一代 K2，K3 的整体扩展效率提升了约 2.5 倍。

三、跑分实测：在编程和 Agent 领域称王

架构再漂亮，最终还是要看能力。而 K3 的能力，用跑分说话——尤其是在它定位的核心场景：长程编程和 Agent 任务。

编程基准：六项核心测试

基准测试 Kimi K3 GPT-5.6 Sol Claude Fable 5 Claude Opus 4.8
Terminal Bench 2.1 88.3 88.8 84.6 84.6
Program Bench 77.8 - - -
SWE Marathon 42.0 - 35.0 40.0
Frontend Code Arena 1679（第一） - 第二 -

几个亮点值得放大看：

Terminal Bench 2.1（终端代码生成与调试）：K3 拿下 88.3 分，与榜首 GPT-5.6 Sol 仅有 0.5 分的差距。这个 0.5 分的差距意味着什么？意味着在最接近真实开发场景的终端编程任务上，开源模型已经几乎追平了全球最贵的闭源旗舰。

SWE Marathon（极限编码挑战）：K3 以 42.0 分领跑全场，而 Claude Fable 5 只有 35.0 分。这不是”追平”，这是反超——而且是超过了一个公认在编程领域极强的模型整整 7 分。

Frontend Code Arena：K3 以 1679 分位列第一，直接将 Claude Fable 5 挤到了第二。

Agent 基准：全面统治

如果说编程能力展示的是 K3 的”硬实力”，那 Agent 基准则展示了它的”综合调度”能力——这是衡量一个模型能否真正”干活”的关键。

基准测试 Kimi K3 排名
BrowseComp（网页浏览智能体） 91.2 第一
SpreadsheetBench 2（表格处理智能体） 34.8 第一
AutomationBench（自动化智能体） 30.8 第一
CharXiv（多模态视觉智能体） 91.3 紧随 Fable 5

在 Agent 类基准中，K3 展现了全面统治力——三个核心测试全部拿下第一。

更值得关注的是 BrowseComp 的 91.2 分。这个基准测试考察的是模型在网页浏览场景中的智能体能力，而 K3 在使用 100 万 token 上下文窗口且不做上下文压缩时，得分高达 90.4——这意味着它可以在极长的上下文中保持稳定的信息检索和推理能力。

综合智能指数：距离顶级仅一步之遥

独立评测机构 Artificial Analysis 给 K3 的智能指数打出了 57 分，介于 Claude Opus 4.8（56 分）与 GPT-5.6 Sol（59 分）、Claude Fable 5（60 分）之间。

月之暗面官方也坦诚承认：K3 的整体表现仍落后于 Claude Fable 5 和 GPT-5.6 Sol 这两款闭源旗舰。但在全套评测中，K3 稳定超越了其他所有模型，包括 GPT-5.5 和 Claude Opus 4.8。

这是一个历史性的位置：开源模型第一次在综合智能上逼近了最顶级的闭源模型，差距缩小到了个位数。

四、成本效率：真正的杀手锏

跑分很重要，但对企业和开发者来说，真正决定用不用的是性价比。

在 Kimi Code Bench V2 上，K3 Max 以单次约 4 美元的成本取得了 72.9 分；而 Claude Fable 5 虽然达到 76.9 分，单次成本却超过了 10 美元。

换算一下：K3 用 Fable 5 约 1/3 的成本，拿到了 95% 的性能。

对于日均调用上万次 API 的企业来说，这个差距意味着真金白银的节省。按一个月 100 万次调用计算，选择 K3 而非 Fable 5，每月可节省约 600 万美元。

从绝对定价来看：

  • 输入：缓存命中 0.3 美元/百万 token，缓存未命中 3 美元/百万 token
  • 输出：15 美元/百万 token
  • 上下文窗口：约 100 万 token

换算成人民币（参考官方公布的国内定价）：

  • 缓存命中输入：2 元/百万 token
  • 缓存未命中输入：20 元/百万 token
  • 输出：100 元/百万 token

K3 没有延续中国开源模型惯用的”地板价”策略，而是直接进入了国际主流商业模型的定价区间。但与 Fable 5、GPT-5.6 等旗舰模型相比，它的实际使用成本仍然显著更低。

五、马斯克点赞：一个信号

K3 发布后，特斯拉 CEO 埃隆·马斯克在官方动态下留言了一个词：”Impressive（令人印象深刻）。”

这个细节看似不起眼，实则意味深长。

马斯克是 xAI（Grok 系列模型）的创始人，本身就是大模型赛道的参与者。一个竞争对手的掌舵人公开点赞另一家公司的模型，在硅谷并不常见。这至少说明，K3 的能力表现已经引起了全球顶级 AI 从业者的注意。

更重要的是马斯克点赞的时机。当前全球 AI 市场正处于一个微妙的转折点：

  1. 成本焦虑蔓延：Anthropic 和 OpenAI 的旗舰模型 API 费用持续高企，越来越多企业开始质疑”值不值”。
  2. 开源力量崛起：从 DeepSeek V4 到 Kimi K3，中国开源模型在规模和能力上的追赶速度超出了多数人的预期。
  3. 数据主权需求：越来越多的企业和国家要求 AI 模型可以在本地部署，而非完全依赖云端 API。K3 的开源权重（将于 7 月 27 日在 Modified MIT 许可下完整发布）恰好满足了这一需求。

六、生态布局：K3 不只是一个模型

K3 的发布，不只是多了一个更强的模型选项——它背后是月之暗面一整套产品生态的升维。

Kimi Agent：自主任务执行

K3 驱动的 Kimi Agent 是一个端到端的自主 AI 助手，内置 20+ 工具，能完成：

  • 网站生成与部署：零代码创建响应式 Web 应用
  • 文档处理：Word、PDF、Markdown 编辑生成
  • 数据分析：Excel/CSV 数据分析与可视化
  • 幻灯片生成：自动化 PPT 制作
  • 深度研究：生成万字以上研究报告

它的工作流程是：任务规划 → 工具调用 → 自主执行 → 错误自修复 → 交付成果。

Agent Swarm：最多 300 个子智能体并行

这是 K3 最具想象力的能力之一。Agent Swarm 允许模型将一个复杂任务拆解为最多 300 个子任务，分配给子智能体并行执行。

想象一下：你让 AI “分析整个行业的竞争格局”，它不是串行地一个个查，而是同时派出几十甚至上百个”小弟”分头调研、收集数据、撰写分析，最后汇总成一份完整报告。

Kimi Claw：5000+ 技能的云端自动化

Kimi Claw 是月之暗面推出的云端自动化工具，内置 5000+ 技能，可以在云端自动完成各种复杂任务。它与 K3 的结合，让”AI 干活”从概念变成了可操作的现实。

全平台覆盖

K3 已经在 Kimi 网页版（kimi.com）、Kimi App、Kimi Work 桌面客户端、Kimi Code 以及 Kimi API 开放平台同步上线。初始思考强度为 Max，后续将增加 Low 和 High 两种模式。

此外，面向企业的 Kimi Hosted Agent 托管平台正在筹备中，将提供 Agent 运行环境及隔离沙箱等能力。

七、被验证的采用：K2 的遗产

K3 并非凭空出现。月之暗面的 Kimi 系列模型此前已经在全球范围内获得了真实的生产环境验证。

据 Fortune 报道，AI 编程创业公司 Cursor 使用 Kimi 模型协助构建了其编程智能体 Composer 2；DoorDash 的 CTO Andy Fang 表示已经将部分底层工程工作委托给 Kimi K2.6 完成；Thinking Machines 实验室使用 Kimi K2.5 生成了其 Inkling 模型的早期后训练数据。

国内方面，值得买科技在 K3 发布后第一时间完成接入，将其应用于”什么值得买”App 的消费内容生成和消费智能体”张大妈”的决策能力提升。值得买科技还推出了大模型服务平台 OpenHubs，同步接入 K3。

这些不是概念验证，是真实的商业部署。

八、冷静的视角：K3 还不完美

作为一篇负责任的软文，我必须同时指出 K3 的局限性——这不是给它泼冷水，而是帮助潜在用户做出更明智的决策。

幻觉率仍然偏高

独立测试显示，K3 在提升准确性的同时，幻觉率也相应上升，约在 51% 左右。这意味着对于事实敏感型任务（如法律分析、合规审查、医疗诊断等），K3 的输出仍然需要严格的事实核查机制。

相比之下，Claude Fable 5 和 GPT-5.6 Sol 在幻觉控制方面表现更优。如果你的应用场景对事实准确性有硬约束，建议采用混合路由策略：编程和前端生成走 K3，高风险推理走闭源旗舰。

过度主动倾向

月之暗面官方承认，K3 在训练中特别强调了长时程、高难度任务的执行能力。这导致一个有趣的副作用：当 K3 在任务执行中遇到小问题或用户意图模糊时，它可能会自作主张替用户做出决定。

如果你的应用需要智能体在严格定义的边界内操作，避免过度即兴发挥，建议在系统提示或 AGENTS.md 中施加更明确的行为约束。

思考历史的敏感性

K3 在”保留思考历史”模式下训练。如果 Agent 框架未能正确传回所有历史思考内容，或者在会话中途从其他模型切换到 K3，生成质量可能变得不稳定。月之暗面推荐使用经过兼容性验证的框架（如 Kimi Code），并避免在会话中途切换模型。

自部署门槛

虽然 K3 是开源模型，但 2.8 万亿参数的体量意味着自部署只对拥有大规模 GPU 集群的组织才现实。对于绝大多数开发者和中小企业来说，API 仍是唯一实际可行的接入方式——至少在权重正式发布后的初期是如此。

九、从 K2 到 K3：月之暗面的进化节奏

理解 K3 的意义，需要放在月之暗面整个产品线的进化时间线上看：

  • 2023 年：推出 Kimi Chat，以超长文本分析能力切入市场
  • 2024 年：推出 Kimi 浏览器助手，支持长文本分析和 AI 搜索
  • 2025 年 1 月：发布 K1.5 视觉思考模型
  • 2025 年 7 月：开源总参数 1 万亿的 Kimi K2 基础模型
  • 2025 年 9 月：Kimi K2 正式发布（32B 活跃 / 1T 总参数）
  • 2025 年 9 月：推出 “OK Computer” Agent 模式
  • 2026 年 1 月：发布 K2.5，改进 Office 技能和 Agent 能力
  • 2026 年 2 月：Kimi Claw 公测上线
  • 2026 年 4 月：发布 K2.6 并开源，在编码、长程执行和 Agent Swarm 方面领先
  • 2026 年 7 月 16 日：Kimi K3 发布

从 K2 的 1T 参数到 K3 的 2.8T，从单纯的对话模型到 Agent Swarm 和 Kimi Claw 的完整生态，月之暗面用一年时间完成了从”追赶者”到”挑战者”的身份转换。

十、更大的图景：开源 vs 闭源的拐点

K3 的发布，在更宏观的层面上标志着一个拐点：开源大模型与闭源大模型之间的差距，已经缩小到了可能不再构成决策性障碍的程度。

过去两年，业界的主流叙事是”闭源模型（GPT-4、Claude）遥遥领先，开源模型（Llama、Mistral）紧追其后”。但 K3 的出现让这个叙事开始松动：

  • 编程能力：K3 在多个编程基准上已经反超闭源旗舰
  • Agent 能力：K3 在智能体类测试中全面登顶
  • 成本效率：K3 的单任务成本约为闭源旗舰的 1/3
  • 可部署性：开源权重让数据主权和本地部署成为可能

当然，闭源模型在综合推理、幻觉控制等方面仍有优势。但关键问题是：对于 80% 的实际应用场景，这种差距是否值得多花 3 倍的价格？

越来越多的企业开始给出否定的答案。这正是马斯克那句 “Impressive” 背后的潜台词——不是因为 K3 比他的 Grok 更强，而是因为它代表了开源力量正在以前所未有的速度逼近临界点。

写在最后

Kimi K3 不是一个完美的模型。它的幻觉率需要改善，它的过度主动倾向需要约束，它的自部署门槛仍然很高。

但 K3 是一个标志性的模型。

它标志着中国 AI 实验室不再满足于”做平替”，而是开始在核心技术架构上提出自己的方案——KDA、AttnRes、Stable LatentMoE，这些都是来自月之暗面的原创贡献，而非对西方架构的简单复刻。

它标志着开源大模型从”够用”走向”好用”——在编程和 Agent 这两个最具商业价值的场景中，K3 已经可以与全球最贵的闭源模型正面对话。

它标志着 AI 的竞争维度正在发生变化——从”谁的模型更聪明”变成”谁的模型更聪明且更便宜且更开放”。

7 月 27 日，K3 的完整权重将以 Modified MIT 许可正式开源。到那时，这场关于”开源能不能追上闭源”的争论，或许会有一个更清晰的答案。

但至少现在，K3 已经给出了一个足够有力的回应。

相关链接：

本文基于公开信息整理撰写，部分数据来自月之暗面官方发布材料和独立评测机构报告。AI 模型能力可能随版本更新而变化，请以最新官方信息为准。