2026 KIMI K3
2.8T_OPEN_
SOURCE_LLM.
导语：AI 开发者与产品团队在选型闭源 API 时，常被三个问题卡住：上下文够不够长、编程任务是否真能打、完整权重何时能自托管？2026 年 7 月 16 日深夜，月之暗面（Moonshot AI）在 API 文档顶部悄然挂上「🎉 Kimi K3 已上线！」——本文严格按调研素材全部要点撰写：2.8T 参数规格、KDA/AttnRes/Stable LatentMoE 三大架构创新、完整基准对比表、定价矩阵、四种接入方式、7 月 27 日开源承诺、场景选型与 FAQ。
30 秒读懂 · TL;DR
| 发布 | 2026-07-16 深夜低调上线 · 无大型发布会 |
| 规模 | 2.8 万亿参数 · 全球最大开源模型 · 超越 DeepSeek V4 Pro（1.6T）近 75% |
| 核心能力 | 1M token 上下文 · 原生视觉 · MoE 896 专家激活 16 个 |
| 定价 | 输入 $3/M · 输出 $15/M · 缓存命中 $0.30/M |
| 开源 | 完整权重 2026-07-27 Hugging Face 开放 |
1. 痛点拆解：为什么 K3 值得关注？
- 参数规模被 DeepSeek 压制后，月之暗面需要一次技术主权宣示。过去 18 个月 DeepSeek 崛起大幅挤压市场份额；K3 以 2.8T 参数重夺「最大开源模型」头衔，且选在 2026 世界人工智能大会（WAIC）开幕前夜发布，战略信号极强。
- 长上下文不再是纸面参数。传统全注意力在 100 万 token 下 KV 缓存内存呈毁灭性增长；KDA 混合注意力使 KV 缓存减少高达 75%，百万 token 解码速度提升 6.3 倍——这让 1M 上下文在固定 $3/M 定价下真正可用。
- 「能写代码」与「能写很久的代码」是两回事。SWE Marathon 专门测试持续性长代码工作，K3 以 42.0 大幅领先 Claude Fable 5（35.0）与 GPT-5.6 Sol（39.0）——若你的场景是数小时级编程会话，这个基准比单次 SWE-bench 更接近真实。
2. 它是什么？一句话说清楚
2026 年 7 月 16 日深夜，月之暗面悄然上线 Kimi K3。没有大型发布会，没有提前预热的社交媒体轰炸，有的只是一份技术博客、一个定价页面和一个可以立刻调用的模型 ID kimi-k3。
Kimi K3 是目前全球参数规模最大的开源 AI 模型——2.8 万亿（2.8T）参数，超越此前纪录保持者 DeepSeek V4 Pro（1.6T）近 75%，是小米开源模型（1.02T）的 2.7 倍，是阿里（397B）的 7 倍有余。
它采用稀疏混合专家（MoE）架构，实际推理时只激活 896 个专家中的 16 个；配合 100 万 token 的超长上下文窗口（约等于一次性读完 5 本《红楼梦》全文），以及原生视觉理解能力，专为复杂编程任务、长文档推理、知识工作场景而设计。
一句话总结： Kimi K3 是一个开源的、可以原生理解图像和视频的、拥有超长记忆的「重量级编程 AI」，价格比 Claude Opus 4.8 便宜 40%，且完整权重将于 7 月 27 日对外开源。
3. 背景：为什么这次发布意义重大？
- 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
- Kimi K3 发布时间，恰好在 2026 世界人工智能大会（WAIC） 开幕前夜
- 截至 2026 年 6 月，月之暗面 ARR（年度经常性收入）已突破 3 亿美元，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。姊妹篇可参考本站 Claude Sonnet 5 / GPT-5.6 泄露情报汇总 与 GPT-5.6 Sol Ultra 数学证明解析，对照当下闭源旗舰格局。
4. 核心架构：三大创新详解
4.1 Kimi Delta Attention（KDA）—— 重新设计「注意力」机制
传统 Transformer 全注意力在长上下文下计算量呈平方级增长。KDA 是一种混合线性注意力机制：
- 以 3:1 的比例交替使用线性注意力层与全注意力层
- 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
简单类比：全注意力像让一个人同时记住所有对话细节；KDA 更像高效秘书——大部分时候用快速索引，关键时刻再精准回忆。
4.2 Attention Residuals（AttnRes）—— 解决深度信息丢失
AttnRes 引入选择性检索——模型可以跨越深度，直接拉取更早层的高价值表征。月之暗面报告此设计带来约 25% 的训练效率提升，额外计算开销不足 2%。
4.3 Stable LatentMoE —— 超高稀疏度的稳定训练
Kimi K3 共有 896 个专家，每次推理只激活 16 个——稀疏度达 1.8%。配套技术：
| 技术 | 作用 |
|---|---|
| Quantile Balancing | 从路由器得分分位数直接推导专家分配，消除启发式超参 |
| Per-Head Muon | 针对每个注意力头独立优化，使大规模训练更自适应 |
| Sigmoid Tanh Unit（SiTU） | 改进激活函数控制 |
| Gated MLA | 提升注意力选择性 |
综合以上创新，Kimi K3 相较 Kimi K2，整体扩展效率提升约 2.5 倍。
5. 基准测试：到底强在哪？
| 基准测试 | 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（视觉） | 81.6 | 81.2 | 83.0 | 78.9 | — |
| OmniDocBench（文档理解） | 91.1 | 89.8 | 85.8 | 87.9 | — |
解读重点：
- SWE Marathon：K3 以 42.0 排名第一，最接近「实际写代码数小时」的场景
- Program Bench：K3 以 77.8 微弱优势位列第一
- FrontierSWE：Fable 5 领跑（86.6），K3（81.2）大幅超越 GPT-5.6 Sol（71.3）
- OmniDocBench：K3 第一（91.1），体现视觉 + 长上下文协同
- 整体智能：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）
注意事项：上述基准为月之暗面自报数据，不同模型使用了各自的推理 harness（K3 用 Kimi Code，GPT 用 Codex，Claude 用 Claude Code），独立第三方复现工作仍在进行中。
6. 定价：比 Claude 便宜，与 Sonnet 持平
| 模型 | 输入（$/M） | 输出（$/M） | 缓存命中输入 | 上下文 |
|---|---|---|---|---|
| Kimi K3 | $3.00 | $15.00 | $0.30 | 1M |
| Claude Sonnet 5 | $3.00（促销 $2） | $15.00（促销 $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 与 Claude Sonnet 5 标准价持平（$3/$15），但提供 5 倍上下文窗口
- 缓存命中低至 $0.30/M，编程场景缓存命中率超过 90%
- 国内 API：¥20/M（输入）、¥100/M（输出）、缓存命中 ¥2/M
- Kimi.com 免费账号即可使用；预付费套餐 ¥199 起（优惠截至 8 月 11 日）
7. 落地步骤：五种方式立即接入
- Kimi 网页/App（最简单）：访问 kimi.com，注册账号（支持 Google），K3 默认以最大推理力度运行。
- 官方 API（开发者）：在 platform.kimi.ai 获取 API Key，使用 OpenAI 兼容接口：
- OpenRouter：模型 ID
moonshotai/kimi-k3，官方定价无加价，完整 1M 上下文。 - Cursor / IDE 多路由：将 Kimi K3 设为长上下文编程主力，复杂 Repo 修 Bug 时 fallback 到 Claude Fable 5。
- 等 7 月 27 日开源权重：完整模型权重在 Hugging Face 开放（需 64+ 加速卡超节点，生产级门槛较高）。
8. 横向对比：怎么选？
| 场景 | 推荐模型 | 原因 |
|---|---|---|
| 持续性长代码任务 | Kimi K3 | SWE Marathon 第一，上下文最长 |
| 复杂 Repo 级别修 Bug | Claude Fable 5 | FrontierSWE 大幅领先 |
| 终端/工具链密集型 Agent | GPT-5.6 Sol | Terminal Bench 领先 |
| 超长文档/多模态文档理解 | Kimi K3 | OmniDocBench 第一，原生视觉 + 1M |
| 成本敏感场景 | DeepSeek V4 Pro | 输出仅 $3.48/M |
| 开源自部署（近期） | Kimi K3（7/27 后） | 最强开源权重 |
9. 开源承诺：7 月 27 日值得期待
月之暗面在官方 WeChat 公告中明确承诺：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
- 开源社区的训练/微调基座新标杆
模型以 MXFP4 权重和 MXFP8 激活 量化感知训练，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）。
10. 常见问题（FAQ）
Q：Kimi K3 可以免费使用吗？
A：可以——kimi.com 免费账号即可。API 按 $3/$15 每百万 token 计费。
Q：能本地部署吗？
A：权重 7 月 27 日开放。生产部署需 64+ 加速卡，不适合笔记本。
Q：与 DeepSeek V4 Pro 怎么比？
A：K3 参数近两倍、上下文 1M vs 128K、多项基准更强；但 DeepSeek 输出仅 $3.48/M，远低于 K3。
Q：1M 上下文真的有用吗？
A：分析完整代码库、长篇法律/研究文档、多轮 Agent 长记忆等场景非常实用；固定定价无长度溢价。
Q：低/高推理力度何时上线？
A：月之暗面表示将在后续更新推出，目前仅 max 可用。
11. 深度洞察：开源生态的信号转折
Kimi K3 不是一个「参数堆砌」的面子工程。它在架构层面（KDA、AttnRes、Stable LatentMoE）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了部分闭源旗舰，定价合理，且承诺完整开源。
更重要的是，这代表了中国 AI 开源生态的一个信号：不再是「以低价换市场」，而是在真正挑战智能前沿。当 7 月 27 日权重落地，开源社区将迎来首个 2T+ 级别的可下载基座——对希望在企业内网部署、微调垂直领域模型、或构建不依赖闭源 API 的 Agent 系统的团队而言，这可能是 2026 年最重要的开源发布之一。
对 Mac 开发者而言，K3 API 接入 Cursor 做长上下文编程、用 Kimi Code 跑 SWE Marathon 类任务，是当前最务实的路径；完整权重开源后，MLX / llama.cpp 社区的量化适配进度同样值得跟踪——可参考本站 DeepSeek 自研芯片与算力布局 一文，理解国产大模型背后的基础设施竞赛。
12. 收束：API 尝鲜用任意设备，Agent 实测仍靠 Mac
注册 kimi.com、复制 API Key、在 OpenRouter 上切换路由——Windows 或 Linux 完全够用。但若你要在 同一套环境 里跑 Cursor + Kimi K3 长上下文编程、用 Xcode 做 iOS 侧 Agent 联调、或在 Mac 上用 MLX 做 K3 量化版对照验收，Apple Silicon 统一内存 + Metal 图形栈 仍是阻力最小的路径。
更务实的做法：主力机继续调 API，把 Kimi Code 压力测试、多仓库 SWE Marathon 回归、1M 上下文文档批处理放到 MACGPU 远程 Mac mini M4 节点——按需启停、SSH 安全访问，在 K3 权重 7 月 27 日落地前，把算力留给真机验证，把本机留给日常稳定开发。