Kimi K3 深度评测：2.8 万亿参数，国产开源大模型新纪录

Kimi K3 是月之暗面（Moonshot AI）发布的2.8 万亿参数稀疏 MoE 模型，每次推理从 896 个专家中激活 16 个（稀疏度 1.8%），配备 100 万 token 超长上下文（约等于一次性读完 5 本《红楼梦》全文）与原生视觉理解能力，专为复杂编程、长文档推理与知识工作设计。

月之暗面在过去 18 个月经历了 DeepSeek 崛起带来的巨大冲击，市场份额一度大幅缩水。K3 的发布堪称一次漂亮的反击——发布时间恰好在 2026 世界人工智能大会（WAIC） 开幕前夜，具有极强的战略信号意义。

• 过去 12 个月里，Kimi 系列模型有 9 个月 占据开源模型规模上限的位置。
• 截至 2026 年 6 月，月之暗面 ARR 已突破 3 亿美元（3 月 1 亿、5 月 2 亿）。
• 今年内已完成第 6 轮融资，投前估值达 315 亿美元。
• API 收入占整体收入七成以上，海外付费用户增长 400%。

这不是一家「卖情怀」的公司在硬撑规模，而是一家商业化正在爆发的公司，在向全球宣示技术主权——不再是「以低价换市场」，而是在真正挑战智能前沿。

Kimi Delta Attention（KDA）

传统 Transformer 全注意力在长上下文下计算量呈平方级增长，100 万 token 时 KV 缓存内存消耗是毁灭性的。KDA 是一种混合线性注意力机制，以 3:1 比例交替使用线性注意力层与全注意力层——3 个线性层处理局部结构（计算廉价），1 个全注意力层保留全局信息流。

• KV 缓存内存减少高达 75%。
• 百万 token 上下文下，解码速度提升高达 6.3 倍。
• 在短上下文、长上下文和强化学习扩展三种场景中，均超越纯全注意力基线。

Attention Residuals（AttnRes）

标准残差连接会将信息沿深度均匀积累，导致早期层关键表征在深层被稀释。AttnRes 引入选择性检索——模型可跨越深度直接拉取更早层的高价值表征，带来约 25% 训练效率提升，额外计算开销不足 2%。

Stable LatentMoE

896 个专家、每次仅激活 16 个——在 1.8% 极端稀疏度下，路由与优化是第一优先级挑战。月之暗面配套技术如下：

综合以上创新，Kimi K3 相较 Kimi K2，整体扩展效率提升约 2.5 倍——相同算力，转化出更强的智能。

• Harness 不一致： 月之暗面自报基准中，K3 用 Kimi Code、GPT 用 Codex、Claude 用 Claude Code——跨厂商对比只能作方向性参考，独立第三方复现仍在进行中。
• 输出单价差距： K3 输出 $15/M，DeepSeek V4 Pro 仅 $3.48/M；高频 Agent 长输出会迅速吃掉输入侧缓存节省。
• 仅 max 推理力度： 低/高力度模式尚未上线，无法在简单子任务上换 latency 为成本。
• 自部署门槛： 7 月 27 日权重开放后，生产级推理需 64 张以上加速卡超节点——面向推理服务商，不是笔记本 LLM。
• 1M 上下文诱惑： 统一定价鼓励一次性塞入整库代码；若无稳定 prompt 前缀与缓存策略，Token 总量而非标价才是账单驱动因素。
• FrontierSWE / HLE 短板： Claude Fable 5 在复杂 Repo 修 Bug（FrontierSWE 86.6）与最深推理（HLE-Full 53.3）仍领先，不能全量路由到 K3。

解读重点： SWE Marathon 专门测试持续性长代码工作，K3 以 42.0 大幅领先排名第一；Program Bench 以 77.8 微幅第一；OmniDocBench 文档理解第一（91.1），体现视觉+长上下文协同；FrontierSWE 仍是 Fable 5 主场（86.6）。

在 Artificial Analysis Intelligence Index v4.1 中，K3 以 57.1 分排名第四，紧随 Claude Fable 5（59.9）和 GPT-5.6 Sol（58.9）之后，与第一仅差 2.8 分。

K3 与 Claude Sonnet 5 标准价持平（$3/$15），但提供 5 倍上下文。Mooncake 分离式推理架构下，编程场景缓存命中率超过 90%，有效输入成本可压至约 $0.55/M。国内 API：输入 ¥20/M、输出 ¥100/M、缓存命中 ¥2/M；消费者版 kimi.com 免费账号可用，预付费套餐 ¥199 起（优惠截至 8 月 11 日）。

方法一 — Kimi 网页/App： 访问 kimi.com，注册账号（支持 Google），K3 默认以最大推理力度运行。

方法二 — 官方 API： 在 platform.kimi.ai 获取 Key，OpenAI 兼容端点 https://api.moonshot.ai/v1。

from openai import OpenAI

client = OpenAI(
    api_key="your_moonshot_api_key",
    base_url="https://api.moonshot.ai/v1"
)

response = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "帮我分析这段代码的性能瓶颈..."}]
)
print(response.choices[0].message.content)

方法三 — OpenRouter： 模型 ID moonshotai/kimi-k3，Moonshot 官方定价，无额外加价，完整 1M 上下文。

方法四 — 等 7 月 27 日开源权重： 完整模型权重在 Hugging Face 开放，可本地部署（需 64 张以上加速卡超节点）。

月之暗面明确承诺 7 月 27 日开放完整模型权重。届时 Kimi K3 将成为迄今参数最大的可下载开源模型、首个超 2 万亿参数级别的开源权重，以及开源社区训练/微调基座新标杆。训练采用 MXFP4 权重 + MXFP8 激活，Hugging Face 上将出现 MXFP4/NVFP4 量化版本，vLLM、SGLang 等主流推理框架预计第一时间支持。

关注时间节点： 7 月 17–20 日（WAIC，更多发布预计）→ 7 月 27 日（K3 完整权重开源）。

1. 01
   注册 Moonshot API Key：在 platform.kimi.ai 创建密钥，存入密钥管理器，勿提交到 Git。
2. 02
   选择接入路径：直连 Moonshot API 延迟最低；已有 OpenRouter 账号可用 moonshotai/kimi-k3；先用 kimi.com 人工验证质量再接入 Agent。
3. 03
   设计缓存友好 Prompt：复用稳定 system prompt 与前缀块，让 Mooncake 架构命中 $0.30/M 缓存档，编程场景目标 90%+ 命中率。
4. 04
   小规模冒烟测试：先用 1 万 token 级任务验证质量与延迟，再扩展到整库 1M 上下文调用。
5. 05
   接入 Agent Harness：OpenAI 兼容客户端指向 https://api.moonshot.ai/v1，model="kimi-k3"；在 CI 中记录 input/output token 与缓存命中率。
6. 06
   建立混合路由策略：长程编程与文档分析走 K3；FrontierSWE 级修 Bug 与 HLE 深度推理保留给 Fable 5；对照 定价页 估算月度成本后再放量。

Kimi K3 不是「参数堆砌」的面子工程。它在 KDA、AttnRes、Stable LatentMoE 上做了真正的工程创新，在编程长任务、文档理解等关键赛道上对标乃至超越部分闭源旗舰，定价合理，且承诺完整开源——代表中国 AI 开源生态从「以低价换市场」走向「挑战智能前沿」。

团队用 K3 驱动 Agent 对大型代码库长时调用时，仍需要稳定、可审计的本地开发与 CI 平面。共享分钟池、桌下 Mac 或超卖 VPS 上的宽带抖动、邻居 CPU 争抢与长连接中断，会迅速吃掉 Token 降价带来的收益。对更稳定的生产 Agent 主机与构建环境，NUKCLOUD 多区域裸金属 Mac / 云端 Mac 节点提供独占 Apple Silicon 算力与清晰租户边界，可在 定价页 对照规格并经 下单页 试跑。

数据截至 2026-07-17。来源：Moonshot AI 官方博客、Kimi API 文档、Artificial Analysis Intelligence Index v4.1、OpenRouter 定价页。基准为月之暗面自报数据。