7月16日凌晨，月之暗面（Moonshot AI）正式发布新一代旗舰大模型Kimi K3。这不是一次常规的版本迭代，而是一次真正意义上的规模跃迁：2.8万亿参数，全球首个开源的3万亿级别大模型，100万token上下文窗口，原生支持视觉理解。在Arena AI Code Arena前端代码竞技场中，K3以1679分登顶全球第一，超过Claude Fable 5和GPT-5.6 Sol。
月之暗面在官方博客中罕见地坦诚表示：K3的整体表现仍落后于最强闭源模型Claude Fable 5和GPT-5.6 Sol，但在多项前沿任务上已展现出稳定超越其他所有模型的能力。这种坦诚配合实打实的数据，让K3成为国产开源大模型发展史上最具分量的一次发布。
一、核心规格：2.8万亿参数的架构创新
K3的核心规格可以用”三个首创”来概括：全球首个开源3万亿级模型、首创KDA混合线性注意力机制、首创注意力残差架构。这些创新不是为了炫技，而是为了解决万亿级参数模型在实际训练和推理中的核心瓶颈。
| 规格项 | Kimi K3 | 对比参考 |
|---|---|---|
| 总参数量 | 2.8万亿 | DeepSeek V4: 1.6万亿 |
| 上下文窗口 | 100万token | GPT-5.6 Sol: 25.6万token |
| 架构核心 | KDA + Attention Residuals | 传统Transformer |
| MoE配置 | 896专家 / 激活16个 | Stable LatentMoE框架 |
| 视觉支持 | 原生多模态 | 文本+图像输入 |
| 输出token上限 | 131072（最高1048576） | 默认max思考强度 |
1.1 KDA混合线性注意力机制
KDA（Kimi Delta Attention）是K3架构中最关键的创新。传统Transformer的自注意力机制在序列长度增加时计算量呈平方级增长，这在百万token上下文中会成为致命瓶颈。KDA通过混合线性注意力设计，将长序列处理的计算复杂度大幅降低，让信息在超长序列中流动时不会被计算量拖垮。
1.2 注意力残差（Attention Residuals）
如果说KDA解决的是”长度”问题，那么Attention Residuals解决的就是”深度”问题。在2.8万亿参数的深层网络中，信息传递会逐渐失真。Attention Residuals通过选择性检索不同深度的表征，而非均匀累积，确保信息在几百层的网络中传递时保持清晰。官方数据显示，K3相比K2的整体扩展效率提升了约2.5倍，意味着同样的算力投入能换回更多实际能力。
1.3 Stable LatentMoE稀疏专家系统
K3采用Mixture of Experts架构，共设896个专家，每次推理仅激活16个。在这么高的稀疏度下，路由和优化成为首要挑战。月之暗面提出了Stable LatentMoE框架，配合Quantile Balancing（直接从路由器分数分位数推导专家分配）和Per-Head Muon（独立优化注意力头）等技术，确保训练在2.8万亿参数规模下保持稳定和高效。
二、性能评测：前端编程全球第一，综合能力跻身前三
第三方评测机构Artificial Analysis的独立测试为K3提供了客观的能力画像。数据清晰地展示了一个”长板极长、综合稳健”的模型。
| 评测维度 | Kimi K3 | 排名/对比 |
|---|---|---|
| Frontend Code Arena | 1679分 | 全球第1，超Fable 5 |
| Text Arena | 1486分 | 第9，优于GPT-5.6 Sol |
| 14项基准 vs GPT-5.6 Sol | 击败11项 | 多维度领先 |
| 14项基准 vs Opus 4.8 | 全部击败 | 全面超越 |
| 14项基准 vs Fable 5 | 击败6项 | 特定领域领先 |
| Intelligence Index | 57分 | 第3，超Opus 4.8 |
关键发现：在WebDev Arena这一由百万级用户匿名投票产生的榜单上，K3从上一代K2.6的第18名跃升到第1名，在品牌营销、参考设计、数据分析、消费产品、模拟、内容创作工具等7个细分领域中的6个位居第一。这是K3目前最突出的成绩。
综合智能层面，K3在Artificial Analysis Intelligence Index上得分57分，排名第三，超过了Claude Opus 4.8，但仍低于Claude Fable 5和GPT-5.6 Sol。月之暗面官方也直接承认了这一差距，但强调K3已在多项前沿任务上展现出稳定的领先能力。
Token效率方面，K3的令牌效率约为Opus 4.8的2倍。完成同样的九项评估任务，K3约用132M输出token，K2.6约用166M，减少约21%，同时分数更高。每任务成本约0.94美元，与GPT-5.6 Sol（1.04美元）接近，约为Opus 4.8（1.80美元）的一半。
三、实测案例：K3到底能干多难的活
跑分数据只是起点，真正检验模型价值的是它在复杂任务中的实际表现。月之暗面在官方博客中展示了多个跨越编程、硬件设计和科研领域的案例，这些案例的共同特征是：长程、跨领域、极少人工干预。
3.1 GPU编译器从零开发
K3独立开发了一款名为MiniTriton的类Triton编译器，包含完整的tile级中间表示层（IR）、优化pass和PTX代码生成流水线。在Roofline基准测试中，MiniTriton在部分工作负载上的性能达到或超越了Triton和torch.compile。更关键的是，MiniTriton能够支撑端到端的nanoGPT训练，loss曲线与参考实现仅有微小偏差，验证了整个编译器pipeline的正确性。
3.2 芯片自主设计
在连续48小时的自主Agent运行中，K3基于开源EDA工具独立完成了一款面积4平方毫米芯片的构建、优化与验证。芯片集成146万个标准单元、0.277MB SRAM和一个INT4 MAC阵列，在100MHz下通过时序收敛，仿真解码吞吐持续超过每秒8700个token。这是一个”由模型设计、为模型服务”的芯片，充分展示了K3的长程Agent能力。
3.3 科研编程复现
K3用约两小时完成了通常需要资深研究人员一到两周才能完成的工作：阅读并交叉验证20多篇论文，评估300多种状态方程，生成3000多行Python代码，并产出交互式分析仪表盘。任务目标是复现计算天体物理学中的I-Love-Q普适关系。K3还识别出了已发表论文中的公式不一致之处。
3.4 3D游戏与数字创作
K3结合3D推理、编程和视觉能力，将概念、图像和视频转化为可玩的交互体验。它能通过截图和视觉反馈进行”vision in the loop”迭代，在代码和实时画面之间无缝优化。官方展示的案例包括：基于Three.js WebGPU的程序化3D开放世界探索游戏、巧克力工厂花园世界、熔火矿城经营模拟、海底火山喷发实时模拟，以及东方奇幻水墨风油纸伞互动场景。
3.5 视频编辑与知识工作
K3还展示了强大的视频编辑能力：从56个源片段中自主完成片段选择、运动匹配剪辑、帧级节拍同步、音频处理和多轮修改，制作出高密度的宣传短片。这类工作通常需要经验丰富的编辑一到两天，或新手三到五天。在知识工作方面，K3通过120多轮递归自我改进，生成了一份42年ASIC产业历史的交互式研究报告，涵盖2800多次网络搜索和1100多次终端数据拉取。
四、使用方式与定价分析
K3目前已通过多个渠道开放使用，覆盖移动端、桌面端、编程场景和API接入。
- Kimi App：iOS、Android、鸿蒙系统，或访问kimi.com
- Kimi Work：桌面客户端3.1.0及以上，支持Windows和Apple芯片Mac
- Kimi Code：终端运行，通过/model命令切换至K3
- Kimi API：开放平台调用，模型名称为kimi-k3
定价方面，K3相比上一代K2.6有明显上涨。国际站输出token单价为每百万15美元，K2.6仅为4美元，涨幅接近3倍。国内开放平台人民币定价为：输入2元/百万token（命中缓存）/20元（未命中），输出100元/百万token。借助Mooncake分离式推理架构，官方编程场景缓存命中率超过90%，实际输入成本可降至标准价的四分之一。
注意：K3在后训练阶段全程使用了”思考历史保留模式”。如果所用的Agent框架没有按要求回传完整的历史思考内容，或从其他模型会话中途切换到K3，可能引发上下文干扰，导致输出质量不稳定。建议优先使用经过兼容性验证的框架，并避免会话中途切换模型。
五、写在最后：开源模型的”K3时刻”
Kimi K3的发布标志着开源大模型的发展逻辑发生了根本性转变。过去开源模型的策略是跟在闭源旗舰身后，用更低的价格复现已有能力。现在K3开始主动把规模推向新上限，去碰百万上下文、长程编程和复杂Agent任务，直接参与下一代模型能力边界的竞争。
2.8万亿参数只是入场券。真正值得关注的是K3在特定场景中已经建立的领先优势：前端代码生成全球第一、长程编程能力经过GPU编译器和芯片设计的验证、科研编程能在两小时内完成传统需要一到两周的工作。这些能力不是纸上谈兵，而是有具体产出和可验证结果的。
当然，K3并非完美。综合智能指数仍落后Fable 5和GPT-5.6 Sol，API定价相比上一代上涨约3倍，思考历史保留模式对Agent框架有兼容性要求，遇到小问题时可能过于主动替用户做决定。但月之暗面对这些局限的坦诚态度，反而增加了这份技术发布的可信度。
完整模型权重将于7月27日前开源发布。届时，社区将有机会独立验证K3的能力边界，也可能催生出更多基于K3的创新应用。对于开发者和企业用户来说，K3提供了一个在编程、Agent和知识工作领域接近甚至超越顶级闭源模型的开源选择。在AI能力快速迭代的今天，这种选择本身就是一种价值。
延伸阅读
- GPT-5.6深度测评：三档模型体系重塑AI生产力 — 同为最新一代旗舰大模型深度测评，可对比K3与GPT-5.6在编程和推理能力上的差异
- Claude Sonnet 5深度测评 — Claude Fable 5是K3官方承认的综合能力标杆，了解Sonnet 5有助于理解K3的定位
- DeepSeek DSpark深度测评 — DeepSeek V4是国产开源大模型的另一代表，与K3共同构成国产开源双雄格局
- AutoClaw深度测评 — 同为AI编程工具测评，了解AutoClaw可补充K3在编程场景下的应用视角
