Kimi K3 是什么
Kimi K3 是月之暗面（Moonshot AI）推出的旗舰大模型，也是全球首个达到 3T 级参数规模的开放模型。它基于 Kimi Delta Attention（KDA）混合线性注意力与 Attention Residuals（AttnRes）两项架构创新构建，采用 Stable LatentMoE 框架，总参数 2.8 万亿、每次有效激活 896 个专家中的 16 个，整体扩展效率约为上一代 K2 的 2.5 倍。模型原生支持视觉理解，具备 1M tokens 超长上下文窗口，面向长程编程、知识工作与深度推理等复杂任务设计，能够在最少人工干预下维持长时间工程会话，导航大型代码仓库、编排终端工具，并结合截图等视觉反馈持续迭代代码。
Kimi K3 的模型特性
- 2.8万亿参数规模：Kimi K3 是首个达到 2.8 万亿参数规模的开放模型，也是目前参数规模最大的开源路线模型之一。
- 长程 Agent 编程： 可在最少人工监督下维持长时间工程会话，在 SWE Marathon（42.0）、Terminal Bench 2.1（88.3）等长程编程基准上处于官方对比集领先水平，并曾在 48 小时自主运行中完成一颗推理芯片的设计、优化与验证。
- 视觉在环的软件创作： 原生视觉能力与编程能力结合，可根据截图与运行画面迭代游戏开发、前端与 CAD 任务，实现"代码—实时截图"闭环，擅长将概念、图片和视频转化为可玩的交互体验。
- 超长上下文处理： 支持 1M tokens 上下文窗口，KDA 架构使百万级上下文下的解码速度最高提升 6.3 倍；在 BrowseComp 深度检索基准上取得 91.2 分（配合上下文压缩策略；不做任何上下文管理时为 90.4 分）。
- 端到端知识工作： 在 GDPval-AA v2（1668 Elo）、AA-Briefcase（1548 Elo）等知识工作评测中达到前沿水平，可完成深度研究、交互式可视化报告、专业幻灯片与视频剪辑等长链路任务。
- 高效架构与训练： Attention Residuals 以不到 2% 的额外成本带来约 25% 的训练效率提升，配合 Quantile Balancing、Per-Head Muon 等训练技术，实现 2.8 万亿参数规模下的稳定高效训练。
- 深度推理： 思考模式默认开启（上线初期仅提供 max 档位，低/高档位将在后续更新推出），在 GPQA-Diamond 上取得 93.5 分。
- OpenAI 兼容 API 与高缓存命中： 沿用 OpenAI 兼容接口，官方 API 基于 Mooncake 分离式推理架构，编程负载下缓存命中率超过 90%，显著降低实际调用成本。
- 开放权重可自部署： 完整权重已在 HuggingFace 与 ModelScope 开放下载，采用月之暗面自定义的 Kimi K3 License，允许使用、修改、微调、蒸馏、分发与商用，但对大规模 MaaS 经营方设有额外条件（详见定价与常见问题）。
与 Kimi K2 相比，Kimi K3 的整体规模效率约提升 2.5 倍，即使用相同计算资源时能够获得更高的模型能力。
Kimi K3 的模型性能
Kimi K3 在代码开发、智能体、办公任务、深度研究和视觉理解等评测中进入前沿模型梯队。
部分官方评测成绩包括：
- Program Bench：77.8
- Terminal Bench 2.1：88.3
- FrontierSWE：81.2
- SWE Marathon：42.0
- BrowseComp：91.2
- DeepSearchQA：95.0
- Automation Bench：30.8
- SpreadsheetBench 2：34.8
- GPQA-Diamond：93.5
- MMMU-Pro：81.6
- OmniDocBench：91.1
- MathVision：94.3
Kimi K3 在 Program Bench、SWE Marathon、BrowseComp、Automation Bench、SpreadsheetBench 2 和 OmniDocBench 等测试中超过多款参评闭源模型。
不过，不同模型使用的 Agent Harness、工具配置、上下文管理方式和推理设置并不完全一致，因此评测成绩更适合用于观察模型的能力方向，不宜简单视为绝对排名。
Kimi K3 的应用场景
- 软件开发与代码工程：用于大型项目代码理解、功能开发、错误排查、代码重构、终端操作和长程工程任务。
- 前端与游戏开发：结合代码和实时截图检查页面或游戏运行效果，持续修改界面、交互逻辑和视觉表现。
- 知识研究与行业分析：检索和整理大量网页、论文、财报及 PDF 文件，生成结构化研究报告、图表和交互式页面。
- 办公内容生产：完成 PPT、Excel、文档、数据分析、信息图和可编辑商业报告等知识工作。
- 多模态内容理解：分析图片、截图、图表、扫描文档和视频内容，并基于视觉信息执行后续任务。
- 智能体与自动化系统：集成搜索、浏览器、终端、代码执行和外部工具，构建能够连续执行复杂任务的 AI Agent。
Kimi K3 的产品定价
Kimi API 按量计费，1M 上下文不分档计价：缓存命中输入 $0.30/百万 tokens，缓存未命中输入 $3.00/百万 tokens，输出 $15.00/百万 tokens；官方称编程负载下缓存命中率可超过 90%。国内开放平台人民币价格以官网为准，上线初期有充值限时最高返券 30% 的促销活动。个人用户可在 Kimi 官网、Kimi Work 与 Kimi Code 中直接使用，企业可通过 Kimi Enterprise 订阅获得企业级数据隐私与成员管理能力。
如何使用Kimi K3
- 在 Kimi 产品中体验： 访问 https://www.kimi.com，或在 iOS/Android/HarmonyOS 应用商店更新至最新版 Kimi App。
- 在 Kimi Work 中使用： 下载 3.1.0 或更高版本的 Kimi Work 桌面端（支持 Windows 与 Apple 芯片 Mac）。
- 在 Kimi Code 中使用： 在终端运行 Kimi Code，通过
/model命令选择 Kimi K3。 - API 接入： 访问 https://platform.kimi.ai，创建 API Key 后通过 OpenAI 兼容接口调用，模型 ID 设置为
kimi-k3；多轮对话与工具调用需完整回传含思考内容的助手消息。 - 下载权重自行部署： 从 HuggingFace 的
moonshotai/Kimi-K3仓库或 ModelScope 镜像获取权重，仓库同时提供 config、modeling 代码、tokenizer 与 LICENSE 全文。 - 接入第三方平台： 也可通过 OpenRouter 等第三方聚合平台调用 Kimi K3。
Kimi K3 的官方资源
- 官网：https://www.kimi.com/
- 技术博客：Kimi K3：Open Frontier Intelligence
- Hugging Face：moonshotai/Kimi-K3
- GitHub：MoonshotAI/Kimi-K3
- API 文档：Kimi K3 Quickstart
- 技术报告：Kimi K3 Technical Report
常见问题
Q：Kimi K3 和 Kimi K2.7 Code 有什么区别？
A：K2.7 Code 是专注编程场景的 Coding 模型，支持 256K 上下文；K3 是全新一代旗舰通用模型，总参数提升至 2.8 万亿，上下文扩展到 1M，原生支持视觉理解，能力覆盖编程、知识工作、深度研究与多模态任务，且思考模式默认开启。
Q：Kimi K3 是开源模型吗？
A：更准确地说，Kimi K3 是一款开放权重模型。模型权重和代码可以公开下载、部署和修改，但使用时需要遵守定制的 Kimi K3 License。
Q：Kimi K3 和 Claude、GPT 等闭源旗舰相比如何？
A：按官方说法，K3 的整体性能仍落后于 Claude Fable 5 和 GPT-5.6 Sol 两款最强闭源模型，但在官方评测集中达到前沿水平，并在 SWE Marathon、BrowseComp、OmniDocBench 等多项基准上领先对比模型（数据来自官方自测与其引用的对比集）。
Q：Kimi K3 支持多模态输入吗？
A：支持。K3 原生具备视觉理解能力，可处理图像与视频理解任务；API 侧图像需以 base64 编码或平台文件 ID 形式传入，暂不支持公网图片 URL。
Q：使用 Kimi K3 有什么注意事项？
A：官方提示 K3 对思考历史敏感，Agent 框架需完整回传历史思考内容，且不建议在会话中途从其他模型切换到 K3；此外 K3 在任务执行中主动性较强，如需严格限定行为边界，建议在系统提示词或 AGENTS.md 中施加明确约束。
AIHub点评
Kimi K3 的核心升级并不只是将参数规模提高至 2.8 万亿，而是围绕长程任务重新组合了超长上下文、多模态理解、代码执行和智能体能力。
相比以对话和单轮内容生成为主的通用模型，Kimi K3 更适合大型代码仓库开发、科研计算、复杂行业研究和需要长时间调用工具的 Agent 工作流。它还通过原生视觉能力，将模型的工作范围延伸至前端设计、游戏开发、CAD 和视频编辑。
不过，Kimi K3 对智能体框架的历史内容回传方式较为敏感，同时可能在模糊任务中过度主动。对于需要严格流程控制的企业应用，应通过明确提示词、权限管理和人工确认机制限制模型的自主操作范围。