2026 KIMI K3
2.8T_OPEN_
SOURCE_LLM.
導語：AI 開發者與產品團隊在選型閉源 API 時，常被三個問題卡住：上下文夠不夠長、編程任務是否真能打、完整權重何時能自託管？2026 年 7 月 16 日深夜，月之暗面（Moonshot AI）在 API 文件頂部悄然掛上「🎉 Kimi K3 已上線！」——本文嚴格按調研素材全部要點撰寫：2.8T 參數規格、KDA/AttnRes/Stable LatentMoE 三大架構創新、完整基準對比表、定價矩陣、四種接入方式、7 月 27 日開源承諾、場景選型與 FAQ。
30 秒讀懂 · TL;DR
| 發布 | 2026-07-16 深夜低調上線 · 無大型發布會 |
| 規模 | 2.8 萬億參數 · 全球最大開源模型 · 超越 DeepSeek V4 Pro（1.6T）近 75% |
| 核心能力 | 1M token 上下文 · 原生視覺 · MoE 896 專家激活 16 個 |
| 定價 | 輸入 $3/M · 輸出 $15/M · 快取命中 $0.30/M |
| 開源 | 完整權重 2026-07-27 Hugging Face 開放 |
1. 痛點拆解：為什麼 K3 值得關注？
- 參數規模被 DeepSeek 壓制後，月之暗面需要一次技術主權宣示。過去 18 個月 DeepSeek 崛起大幅擠壓市場份額；K3 以 2.8T 參數重奪「最大開源模型」頭銜，且選在 2026 世界人工智慧大會（WAIC）開幕前夜發布，戰略信號極強。
- 長上下文不再是紙面參數。傳統全注意力在 100 萬 token 下 KV 快取記憶體呈毀滅性增長；KDA 混合注意力使 KV 快取減少高達 75%，百萬 token 解碼速度提升 6.3 倍——這讓 1M 上下文在固定 $3/M 定價下真正可用。
- 「能寫程式碼」與「能寫很久的程式碼」是兩回事。SWE Marathon 專門測試持續性長程式碼工作，K3 以 42.0 大幅領先 Claude Fable 5（35.0）與 GPT-5.6 Sol（39.0）——若你的場景是數小時級編程會話，這個基準比單次 SWE-bench 更接近真實。
2. 它是什麼？一句話說清楚
2026 年 7 月 16 日深夜，月之暗面悄然上線 Kimi K3。沒有大型發布會，沒有提前預熱的社群媒體轟炸，有的只是一份技術部落格、一個定價頁面和一個可以立刻呼叫的模型 ID kimi-k3。
Kimi K3 是目前全球參數規模最大的開源 AI 模型——2.8 萬億（2.8T）參數，超越此前紀錄保持者 DeepSeek V4 Pro（1.6T）近 75%，是小米開源模型（1.02T）的 2.7 倍，是阿里（397B）的 7 倍有餘。
它採用稀疏混合專家（MoE）架構，實際推理時只激活 896 個專家中的 16 個；配合 100 萬 token 的超長上下文視窗（約等於一次性讀完 5 本《紅樓夢》全文），以及原生視覺理解能力，專為複雜編程任務、長文件推理、知識工作場景而設計。
一句話總結： Kimi K3 是一個開源的、可以原生理解圖像和影片的、擁有超長記憶的「重量級編程 AI」，價格比 Claude Opus 4.8 便宜 40%，且完整權重將於 7 月 27 日對外開源。
3. 背景：為什麼這次發布意義重大？
- 過去 12 個月裡，Kimi 系列模型有 9 個月 佔據開源模型規模上限的位置
- Kimi K3 發布時間，恰好在 2026 世界人工智慧大會（WAIC） 開幕前夜
- 截至 2026 年 6 月，月之暗面 ARR（年度經常性收入）已突破 3 億美元，今年內已完成第 6 輪融資，投前估值達 315 億美元
- API 收入佔整體收入七成以上，海外付費用戶增長 400%
這不是一家「賣情懷」的公司在硬撐規模，而是一家商業化正在爆發的公司，在向全球宣示技術主權。姊妹篇可參考本站 Claude Sonnet 5 / GPT-5.6 洩露情報彙總 與 GPT-5.6 Sol Ultra 數學證明解析，對照當下閉源旗艦格局。
4. 核心架構：三大創新詳解
4.1 Kimi Delta Attention（KDA）—— 重新設計「注意力」機制
傳統 Transformer 全注意力在長上下文下計算量呈平方級增長。KDA 是一種混合線性注意力機制：
- 以 3:1 的比例交替使用線性注意力層與全注意力層
- KV 快取記憶體減少高達 75%
- 百萬 token 上下文下，解碼速度提升高達 6.3 倍
- 在短上下文、長上下文和強化學習擴展三種場景中，均超越純全注意力基線
簡單類比：全注意力像讓一個人同時記住所有對話細節；KDA 更像高效秘書——大部分時候用快速索引，關鍵時刻再精準回憶。
4.2 Attention Residuals（AttnRes）—— 解決深度資訊丟失
AttnRes 引入選擇性檢索——模型可以跨越深度，直接拉取更早層的高價值表徵。月之暗面報告此設計帶來約 25% 的訓練效率提升，額外計算開銷不足 2%。
4.3 Stable LatentMoE —— 超高稀疏度的穩定訓練
Kimi K3 共有 896 個專家，每次推理只激活 16 個——稀疏度達 1.8%。配套技術：
| 技術 | 作用 |
|---|---|
| Quantile Balancing | 從路由器得分分位數直接推導專家分配，消除啟發式超參 |
| Per-Head Muon | 針對每個注意力頭獨立優化，使大規模訓練更自適應 |
| Sigmoid Tanh Unit（SiTU） | 改進激活函數控制 |
| Gated MLA | 提升注意力選擇性 |
綜合以上創新，Kimi K3 相較 Kimi K2，整體擴展效率提升約 2.5 倍。
5. 基準測試：到底強在哪？
| 基準測試 | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | Claude Opus 4.8 | GLM-5.2 |
|---|---|---|---|---|---|
| DeepSWE | 67.5 | 70.0 | 73.0 | 59.0 | 46.2 |
| Program Bench | 77.8 | 76.8 | 77.6 | 71.9 | 63.7 |
| Terminal Bench 2.1 | 88.3 | 84.6 | 88.8 | 84.6 | 82.7 |
| FrontierSWE | 81.2 | 86.6 | 71.3 | 66.7 | 67.3 |
| SWE Marathon | 42.0 | 35.0 | 39.0 | 40.0 | 13.0 |
| BrowseComp | 91.2 | 88.0 | 90.4 | 84.3 | — |
| Automation Bench | 30.8 | 29.1 | 29.7 | 27.2 | 12.9 |
| GPQA-Diamond | 93.5 | 92.6 | 94.1 | 91.0 | 91.2 |
| MMMU-Pro（視覺） | 81.6 | 81.2 | 83.0 | 78.9 | — |
| OmniDocBench（文件理解） | 91.1 | 89.8 | 85.8 | 87.9 | — |
解讀重點：
- SWE Marathon：K3 以 42.0 排名第一，最接近「實際寫程式碼數小時」的場景
- Program Bench：K3 以 77.8 微弱優勢位列第一
- FrontierSWE：Fable 5 領跑（86.6），K3（81.2）大幅超越 GPT-5.6 Sol（71.3）
- OmniDocBench：K3 第一（91.1），體現視覺 + 長上下文協同
- 整體智能：Artificial Analysis Intelligence Index v4.1 中，K3 以 57.1 分排名第四，緊隨 Claude Fable 5（59.9）和 GPT-5.6 Sol（58.9）
注意事項：上述基準為月之暗面自報資料，不同模型使用了各自的推理 harness（K3 用 Kimi Code，GPT 用 Codex，Claude 用 Claude Code），獨立第三方複現工作仍在進行中。
6. 定價：比 Claude 便宜，與 Sonnet 持平
| 模型 | 輸入（$/M） | 輸出（$/M） | 快取命中輸入 | 上下文 |
|---|---|---|---|---|
| Kimi K3 | $3.00 | $15.00 | $0.30 | 1M |
| Claude Sonnet 5 | $3.00（促銷 $2） | $15.00（促銷 $10） | — | 200K |
| Claude Opus 4.8 | $5.00 | $25.00 | — | 200K |
| GPT-5.5 | $5.00 | $30.00 | — | 400K |
| DeepSeek V4 Pro | $1.74 | $3.48 | $0.145 | 128K |
| Kimi K2.6 | $0.95 | $4.00 | $0.16 | 256K |
- K3 與 Claude Sonnet 5 標準價持平（$3/$15），但提供 5 倍上下文視窗
- 快取命中低至 $0.30/M，編程場景快取命中率超過 90%
- 國內 API：¥20/M（輸入）、¥100/M（輸出）、快取命中 ¥2/M
- Kimi.com 免費帳號即可使用；預付費套餐 ¥199 起（優惠截至 8 月 11 日）
7. 落地步驟：五種方式立即接入
- Kimi 網頁/App（最簡單）：訪問 kimi.com，註冊帳號（支援 Google），K3 預設以最大推理力度運行。
- 官方 API（開發者）：在 platform.kimi.ai 取得 API Key，使用 OpenAI 相容介面：
- OpenRouter：模型 ID
moonshotai/kimi-k3，官方定價無加價，完整 1M 上下文。 - Cursor / IDE 多路由：將 Kimi K3 設為長上下文編程主力，複雜 Repo 修 Bug 時 fallback 到 Claude Fable 5。
- 等 7 月 27 日開源權重：完整模型權重在 Hugging Face 開放（需 64+ 加速卡超節點，生產級門檻較高）。
8. 橫向對比：怎麼選？
| 場景 | 推薦模型 | 原因 |
|---|---|---|
| 持續性長程式碼任務 | Kimi K3 | SWE Marathon 第一，上下文最長 |
| 複雜 Repo 級別修 Bug | Claude Fable 5 | FrontierSWE 大幅領先 |
| 終端/工具鏈密集型 Agent | GPT-5.6 Sol | Terminal Bench 領先 |
| 超長文件/多模態文件理解 | Kimi K3 | OmniDocBench 第一，原生視覺 + 1M |
| 成本敏感場景 | DeepSeek V4 Pro | 輸出僅 $3.48/M |
| 開源自部署（近期） | Kimi K3（7/27 後） | 最強開源權重 |
9. 開源承諾：7 月 27 日值得期待
月之暗面在官方 WeChat 公告中明確承諾：7 月 27 日開放完整模型權重。屆時 Kimi K3 將成為：
- 迄今參數最大的可下載開源模型
- 首個超 2 萬億參數級別的開源權重
- 開源社群的訓練/微調基座新標竿
模型以 MXFP4 權重和 MXFP8 激活 量化感知訓練，Hugging Face 上將出現 MXFP4/NVFP4 量化版本，vLLM、SGLang 等主流推理框架預計第一時間支援。
關注時間節點： 7 月 17–20 日（WAIC，更多發布預計）→ 7 月 27 日（K3 完整權重開源）。
10. 常見問題（FAQ）
Q：Kimi K3 可以免費使用嗎？
A：可以——kimi.com 免費帳號即可。API 按 $3/$15 每百萬 token 計費。
Q：能本地部署嗎？
A：權重 7 月 27 日開放。生產部署需 64+ 加速卡，不適合筆電。
Q：與 DeepSeek V4 Pro 怎麼比？
A：K3 參數近兩倍、上下文 1M vs 128K、多項基準更強；但 DeepSeek 輸出僅 $3.48/M，遠低於 K3。
Q：1M 上下文真的有用嗎？
A：分析完整程式碼庫、長篇法律/研究文件、多輪 Agent 長記憶等場景非常實用；固定定價無長度溢價。
Q：低/高推理力度何時上線？
A：月之暗面表示將在後續更新推出，目前僅 max 可用。
11. 深度洞察：開源生態的信號轉折
Kimi K3 不是一個「參數堆砌」的面子工程。它在架構層面（KDA、AttnRes、Stable LatentMoE）做了真正的工程創新，在編程長任務、文件理解等關鍵賽道上對標乃至超越了部分閉源旗艦，定價合理，且承諾完整開源。
更重要的是，這代表了中國 AI 開源生態的一個信號：不再是「以低價換市場」，而是在真正挑戰智能前沿。當 7 月 27 日權重落地，開源社群將迎來首個 2T+ 級別的可下載基座——對希望在企業內網部署、微調垂直領域模型、或構建不依賴閉源 API 的 Agent 系統的團隊而言，這可能是 2026 年最重要的開源發布之一。
對 Mac 開發者而言，K3 API 接入 Cursor 做長上下文編程、用 Kimi Code 跑 SWE Marathon 類任務，是當前最務實的路徑；完整權重開源後，MLX / llama.cpp 社群的量化適配進度同樣值得追蹤——可參考本站 DeepSeek 自研晶片與算力佈局 一文，理解國產大模型背後的基礎設施競賽。
12. 收束：API 嘗鮮用任意裝置，Agent 實測仍靠 Mac
註冊 kimi.com、複製 API Key、在 OpenRouter 上切換路由——Windows 或 Linux 完全夠用。但若你要在 同一套環境 裡跑 Cursor + Kimi K3 長上下文編程、用 Xcode 做 iOS 側 Agent 聯調、或在 Mac 上用 MLX 做 K3 量化版對照驗收，Apple Silicon 統一記憶體 + Metal 圖形棧 仍是阻力最小的路徑。
更務實的做法：主力機繼續調 API，把 Kimi Code 壓力測試、多倉庫 SWE Marathon 回歸、1M 上下文文件批處理放到 MACGPU 遠端 Mac mini M4 節點——按需啟停、SSH 安全存取，在 K3 權重 7 月 27 日落地前，把算力留給真機驗證，把本機留給日常穩定開發。