一句話結論： Kimi K3 在 API 首發僅 11 天 後即開放完整權重——2.8T MoE、1M token 上下文、原生視覺理解，並附帶 MoonEP / FlashKDA / AgentEnv 工程棧。但官方用詞是 open weight（開放權重） 而非 OSI 意義上的「開源」；許可證新增 $2000 萬 MaaS 收入 與 1 億 MAU 兩道商業門檻。本文嚴格對照 7 月 16 日 K3 首發評測、蒸餾門爭議與 OpenRouter 7 月排行，涵蓋時間線、架構、跑分、許可、API 定價、六步 Runbook 與 FAQ。
00時間線：從 API 首發到全面開放，只用了 11 天
- 7 月 16 日夜（WAIC 2026 前夜）： Kimi K3 在 kimi.com、Kimi Work、Kimi Code 與 Kimi API 首發，權重尚未公開。官方技術部落格標題為《Kimi K3: Open Frontier Intelligence》。
- 7 月 17 日： 業界密集分析架構；新華社報導稱其為「目前全球參數最大的開源模型」。
- 7 月 22–23 日： 中美「模型蒸餾」爭端升級。白宮科技顧問 Michael Kratsios 指控月之暗面對 Anthropic Fable 模型進行「大規模、隱蔽的工業化蒸餾」；美國財政部長 Scott Bessent 表示將考慮制裁及「實體清單」限制。
- 7 月 27 日晚 23 點： 月之暗面發布 K3 完整權重、技術報告，並開源 MoonEP、AgentEnv（FlashKDA 此前已開源）。
- 7 月 28 日： 中國商務部公開回應，指責美方搞「AI 霸權主義」並威脅反制；國內媒體跟進報導開源細節。
01Kimi K3 核心參數一覽
| 項目 | 參數 |
|---|---|
| 總參數量 | 2.8 兆（2.8T） |
| 激活參數量 | 約 1040 億 |
| 架構類型 | 混合專家模型（MoE） |
| 專家配置 | 896 個路由專家，每 token 激活 16 個（另有共享專家） |
| 注意力機制 | Kimi Delta Attention（KDA）+ 門控多頭潛在注意力（Gated MLA） |
| 上下文視窗 | 100 萬 token |
| 多模態能力 | 原生視覺理解（ViT-V2，27 層） |
| 權重格式 | MXFP4 權重 + MXFP8 激活（SFT 階段起量化感知訓練） |
| 權重體積 | 約 1.56TB（Hugging Face） |
| License | 自訂許可證（官方稱 open weight，非 open source） |
痛點企業選型時容易被忽略的隱性成本
- 「開源」語意落差： 國內媒體普遍寫「開源」，但 Moonshot 材料從未使用 open source，僅稱 open weight——訓練資料與完整訓練程式碼未公開，不符合 OSI 定義。
- 許可證兩道門檻： MaaS 業務連續 12 個月收入超 $2000 萬須另行簽約；月活超 1 億或月收入超 $2000 萬須顯著展示「Kimi K3」字樣——競品 API 服務商需法務重點審查。
- 自部署現實門檻： 896 專家、2.8T 規模決定 K3 無法在消費級硬體運行，官方建議 64 卡及以上超節點——權重下載不等於可本地跑通。
- 輸出單價： 輸出 $15/M，高於開源陣營 GLM-5.2（約 $0.47/任務 Intelligence Index 口徑），屬於能力天花板而非性價比首選。
- 蒸餾爭議未消： 權重公開並未終結 白宮指控與 K3 自稱 Claude 的獨立研究發現，企業合規審查仍需獨立評估。
- 1.56TB 下載與儲存： 權重拉取、校驗、多副本儲存對頻寬與物件儲存預算是一次性硬成本，遠超市面「改 base URL 就能用」的敘事。
02三大架構創新：KDA、AttnRes 與 Per-Head Muon
Kimi Delta Attention（KDA）
傳統 Gated DeltaNet 使用標量級遺忘門；KDA 改為逐通道門控，每個特徵維度獨立衰減率，某些特徵長期保留、另一些快速遺忘。採用 chunkwise Diagonal-Plus-Low-Rank（DPLR）公式實現線性時間遞迴，K3 將 KDA 與少量 Gated MLA 全域注意力層交替混合——支撐 100 萬 token 上下文同時壓低 KV Cache 開銷的核心原因。
Attention Residuals（AttnRes）
傳統殘差連接逐層均勻累加，深層易稀釋早期層資訊。AttnRes 改為選擇性、依據輸入動態聚合前面所有層輸出，每層僅新增一個 RMSNorm 與一個偽查詢向量，帶來約 25% 訓練效率提升，代價不足 2%。偽查詢向量初始化為零，訓練初期等價於均勻平均。
Per-Head Muon 與 Stable LatentMoE
Muon 優化器擴展為逐注意力頭獨立優化，純訓練期技術，API 呼叫無感知。MoE 層 896 選 16（稀疏度約 1.8%），配合 Quantile Balancing 與 MoonEP 從數學上證明冗餘專家數理論上界，保證負載均衡可行性。
03三大開源 Infra：MoonEP、FlashKDA、AgentEnv
| 技術 | 定位 | 關鍵能力 |
|---|---|---|
| MoonEP | 超大規模細粒度 MoE 高效能通訊庫 | 臨時複製過載專家，保證每節點均等 token 數；證明冗餘專家數理論上界 |
| FlashKDA | CUTLASS 實現的 KDA 高效能算子（此前已開源） | H20 上 prefill 較 flash-linear-attention 基線快 1.72–2.22 倍；可作為 chunk_kda 直接替代後端 |
| AgentEnv | 與 KVCache.ai 聯合開發的 Agent 沙箱（Firecracker microVM） | 大規模並行 Agent RL；官方披露 checkpoint 延遲低至 133ms、恢復 49ms、記憶體超分最高 6.5 倍（尚未第三方獨立復現） |
月之暗面此次不只釋出權重檔案，而是把支撐訓練效率與穩定性的工程能力一併公開——這也是開發社群評價較高的重要原因。
04跑分對比：GPT-5.6、Claude 與 GLM-5.2
以下優先引用獨立第三方復測；廠商自報資料僅作補充。
| 模型 | SWE-bench Verified（Vals AI） | 發布日期 |
|---|---|---|
| Claude Opus 5 | 97% | 2026-07-24 |
| GPT-5.6 Sol | 96.2% | 2026-07-09 |
| Claude Fable 5 | 95% | 2026-06-09 |
| Kimi K3 | 93.4% | 2026-07-16 |
| Qwen3.7-Max | 79.4% | 2026-05-19 |
| DeepSeek-V4 | 76.2% | 2026-04-23 |
Artificial Analysis 智能指數（max 推理檔）： Claude Fable 5 60、GPT-5.6 Sol 59、Kimi K3 約 57（全球第 3，開放權重第 1）、GLM-5.2 51、DeepSeek V4 Pro 44。K3 每任務成本約 $0.95，比 Fable 5（約 $2.4）便宜約 60%，但高於 GLM-5.2（約 $0.47）。它是開放權重陣營能力天花板，而非性價比最優。 目前在 Arena.ai Frontend Code Arena 榜單排名第一。
與 DeepSeek V4 滿血版 對比：V4 在成本與峰谷計費上更友好，K3 在綜合能力與 1M 上下文上領先。
05是「開源」還是「開放權重」？許可證兩道商業門檻
月之暗面官方材料從未使用 open source，一直採用 open weight 表述。按 OSI 標準，真正開源需公開訓練資料、訓練程式碼與可復現流程；K3 僅公開訓練後權重、技術報告與推理相關 Infra，訓練資料與完整訓練程式碼未公開。
許可證也不再自稱 Modified MIT（K2 時代說法），而是一份完全自訂文件，含兩道 K2 系列沒有的商業門檻：
- Model-as-a-Service 收入門檻： 被許可方及關聯方營運 MaaS 業務，連續 12 個月累計收入超過 $2000 萬，須與月之暗面另行簽署商業協議。
- 規模展示門檻： 產品月活超過 1 億，或月收入超過 $2000 萬，須在介面顯著展示「Kimi K3」字樣。
對絕大多數中小團隊與新創公司，兩道門檻幾乎不會觸發；若商業計畫是「拿 K3 開與月之暗面競爭的模型服務」，第一道門檻是法務紅線。
06API 定價與自部署：能不能自己跑？
| Token 類型 | 價格（每百萬 token） |
|---|---|
| 輸入（快取命中） | $0.30 |
| 輸入（快取未命中） | $3.00 |
| 輸出（含推理過程） | $15.00 |
Moonshot 提供 OpenAI SDK 相容 API（https://api.moonshot.ai/v1，模型 ID kimi-k3）。Mooncake 分離式推理在典型程式設計負載上快取命中率可達 90%+，實際成本更接近 $0.30 檔而非 $3 表頭價。
自部署需 64 卡及以上超節點；個人與中小團隊更現實路徑是透過官方 API 或 OpenRouter（已有 7 家服務商，定價大多與官方一致）。若需在 Apple Silicon 上跑較小開源 MoE，可參考本站 DeepSeek V4 高記憶體 Mac 租賃 Runbook。
07WAIC 2026 與中美 AI 競賽背景
Kimi K3 開放權重節點卡在 WAIC 2026 窗口期，疊加升級中的中美「模型蒸餾」爭端。權重開源前幾天美方指控月之暗面工業化蒸餾 Anthropic 模型訓練 K3 並威脅制裁；7 月 28 日中國商務部指責美方「AI 霸權主義」並威脅反制。在此背景下全面公開權重、技術報告與三項 Infra，是用工程細節自證技術路徑獨立性的態度表達。三天後阿里巴巴發布 24 兆參數 Qwen3.8-Max-Preview，被外界解讀為對 K3 的直接回應，國產大模型競爭進入「3T 俱樂部」階段。
08六步 Runbook：Kimi K3 開放權重上手
-
01
確認許可邊界：閱讀自訂 License，判斷 MaaS 收入與 MAU 是否觸及 $2000 萬 / 1 億門檻；競品推理服務商須法務先行審查。
-
02
選擇接入路徑：API 改 base URL 至
https://api.moonshot.ai/v1；或 OpenRoutermoonshotai/kimi-k3；自部署僅適合有 64+ 卡超節點的團隊。 -
03
設計快取友好 Prompt：穩定 system prompt 與前綴塊，讓 Mooncake 命中 $0.30/M 快取檔，程式設計場景目標 90%+ 命中率。
-
04
小規模冒煙測試：先用 1 萬 token 級任務驗證品質與延遲，對照 OpenRouter 7 月排行 確認路由策略。
-
05
權重下載規劃：若需本地微調，預留 1.56TB+ 儲存與頻寬；校驗 Hugging Face 檔案完整性後再啟動訓練流水線。
-
06
建立混合路由與成本模型：長程程式設計與文件分析走 K3；FrontierSWE 級修 Bug 保留 Fable 5；對照 定價頁 估算 Agent CI 基礎設施月度成本後再放量。
09總結與 FAQ
Kimi K3 全面開放權重是 2026 年開放權重賽道最重要的事件之一：2.8T 規模、1M 上下文、完整 Infra 棧與 Artificial Analysis 全球第三的智能指數，證明中國實驗室在工程創新上可與閉源前沿同台。但 open weight 不等於 open source，許可證與蒸餾爭議要求企業用戶保持清醒。
團隊用 K3 驅動 Agent 對大型程式碼庫長時呼叫時，仍需要穩定、可審計的本地開發與 CI 平面。共享分鐘池、桌下 Mac 或超賣 VPS 上的頻寬抖動、鄰居 CPU 爭搶與長連線中斷，會迅速吃掉 Token 降價帶來的收益。對更穩定的生產 Agent 主機與建置環境，NUKCLOUD 多區域裸金屬 Mac / 雲端 Mac 節點提供獨占 Apple Silicon 算力與清晰租戶邊界，可在 定價頁 對照規格並經 下單頁 試跑。
資料截至 2026-07-28。來源：Moonshot AI 官方部落格、Hugging Face、Vals AI SWE-bench、Artificial Analysis Intelligence Index、VentureBeat、Scientific American。發布前請以官方最新資料為準。