Kimi K3 - 月之暗面推出的2.8万亿参数开源多模态旗舰模型

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。

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 的适用场景

• 大型代码库开发与维护： 借助 1M 上下文与长程执行能力，一次性读入整个代码仓库，完成跨文件重构、Bug 定位与多步骤功能开发。
• 游戏与前端开发： 结合 3D 推理、编程与视觉能力，将概念稿或参考图迭代为高完成度的网页、3D 场景与可玩游戏。
• 科研与底层系统开发： 官方案例中，K3 曾自主复现计算天体物理研究流程、从零构建类 Triton 的 GPU 编译器，并承担团队大部分 GPU kernel 优化工作。
• 深度研究与报告生成： 通过大规模检索与递归自我改进，产出带交互可视化的行业研究报告、学术分析与信息图式演示文稿。
• 长文档知识工作： 处理合同、财报、技术文档等超长材料的分析、比对与摘要，适合法律、金融等高严谨性场景。
• Agent 应用构建： 作为底层模型驱动自主 Agent 完成工具调用、终端操作与长周期任务编排。

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

1. 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。
2. 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）。
3. 在 Kimi Code 中使用： 在终端运行 Kimi Code，通过 /model 命令选择 Kimi K3。
4. 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。
5. 接入第三方平台： 也可通过 OpenRouter 等第三方聚合平台调用 Kimi K3。

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 开源吗？

A：官方承诺完整模型权重将于 2026 年 7 月 27 日前发布，技术报告也将同步公布架构、训练与评测细节，具体开源协议以届时官方信息为准。此前 K2 系列采用 Modified MIT 协议开源。

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。