月之暗面Kimi K3正式发布，2.8万亿参数登顶全球最大开源模型

7月17日凌晨，月之暗面（Moonshot AI）正式发布新一代大模型Kimi K3。该模型参数规模达2.8万亿，超越参数规模1.6万亿的DeepSeek-V4-Pro，成为迄今为止参数量最大的开源权重模型。

（Kimi网页版使用界面）

核心参数与架构

Kimi K3基于KDA混合线性注意力机制（Kimi Delta Attention）和注意力残差（Attention Residuals）技术构建，原生支持视觉理解，并拥有100万token上下文窗口。

在模型架构层面，K3采用Mixture of Experts（MoE，混合专家）架构，结合Stable LatentMoE框架，可在896个专家中高效激活16个。

这意味着虽然模型总参数量达到2.8万亿，但单次推理仅调用其中一小部分参数，从而在控制计算成本的同时扩大模型容量。

在API定价方面，Kimi K3采用按量计费模式：缓存命中输入为0.30/百万token，缓存未命中输入为3.00/百万token，输出为$15.00/百万token。模型默认最大生成长度为131072token，最高可设置为1048576token。

月之暗面表示，完整模型权重将于2026年7月27日前发布，模型架构、训练和评测细节将随技术报告一同公布。

（各厂商旗舰模型参数规模演变，图源：Kimi）

与前代模型比较

首先是扩展效率的显著提升。通过模型结构、训练方法和数据配方的协同优化，K3相比K2的整体扩展效率提升约2.5倍，能更有效地将算力转化为模型能力。

其次是上下文窗口的大幅扩展。相较K2.7 Code等前代模型的256K上下文，K3提升至100万token，可一次性处理相当于《三体》三部曲体量的文本，适用于大型代码库分析、长篇法律卷宗检索、金融研报深度解析等长程任务。

第三是多模态能力的原生集成。K3并非简单拼接文本与视觉模块，而是原生支持图像和视频理解，可将截图、界面录屏、示意图与代码、工具调用置于同一会话中处理，适用于前端工程、游戏开发、CAD设计等需要视觉反馈的编程场景。

此外，K3始终开启思考模式，在推理过程中展示完整思维链，用户可通过流式输出分别获取推理增量和最终答案。

主流大模型横向对比

根据月之暗面公布的评测数据，K3在多个主流编程和智能体基准中与目前全球最强的两款大模型Claude Fable 5和GPT-5.6 Sol达到可比区间，并超越了此前被认为代表国产模型编程能力的GLM-5.2。

在编程能力方面，K3在FrontierSWE基准中得分81.2，仅次于Fable 5的86.6，高于GPT-5.6 Sol的71.3；在Program Bench中得分77.8，超过GPT-5.6 Sol的77.6和Fable 5的76.8；在SWE Marathon长程编程任务中得分42.0，领先Opus-4.8的40.0、GPT-5.6 Sol的39.0和Fable 5的35.0。

（编程能力得分）

在智能体（Agentic）任务方面，K3表现尤为突出。根据BenchLM的对比数据，K3在Agentic类别平均得分91.2，大幅领先DeepSeek V4 Pro（Max）的74.5。在BrowseComp网页浏览任务中，K3得分91.2%，高于DeepSeek V4 Pro（Max）的83.4%。

在知识推理方面，K3在GPQA基准中得分93.5%，高于DeepSeek V4 Pro（Max）的90.1%；在HLE（Humanity's Last Exam）高难度测试中，K3得分56%，显著高于DeepSeek V4 Pro（Max）的37.7%。

不过，K3在部分基准中仍与顶尖闭源模型存在差距。例如在DeepSWE编程基准中，K3得分67.5，低于GPT-5.6 Sol的73.0和Fable 5的70.0；在GDPval-AA v2 Elo评分中，K3为1668.0，低于Fable 5的1760.0和GPT-5.6 Sol的1748.0。

2.8万亿参数的意义

参数即能力上限。2.8万亿参数让K3成为全球首个触及3万亿级别的开源模型，也意味着中国大模型在预训练规模上已与国际顶尖水平并跑。月之暗面官方数据显示，在过去12个月（2025年7月至2026年7月）中的9个月里，Kimi模型都保持着开源模型的规模上限。

与闭源模型不同，K3选择以开源权重形式发布。这意味着研究机构、开发者和企业可以下载模型权重，进行学术研究、二次开发或私有化部署。对于金融、医疗、法律等对数据隐私要求极高的行业，这一开放路径具有不可替代的价值。

但开源不等于免费午餐。2.8万亿参数的MoE模型对推理硬件要求极高，本地化部署需要大量高端GPU集群，中小团队难以独立承担。更关键的是，具体的开源协议、商用授权条款、是否允许微调等细节，仍需等待7月27日权重正式发布时才能明确。在协议落地之前，"开源"的商业价值仍是一个待解的问号。

定位与使用建议

月之暗面将K3定位为"通用旗舰智能"模型，而非K2.7 Code的替代者。K2.7 Code仍专注于编程专精场景，K2.6继续服务于通用长程Agent任务，而K3面向的是"难、跨领域且被256K上下文卡住"的复杂任务。

K3特别适合以下场景：大型代码库理解与修改、多步骤金融研究与产业分析、结合视觉反馈的交互式开发、需要100万上下文窗口的长文档推理等。对于日常IDE编程、低延迟自动补全等任务，K2.7 Code仍是更经济高效的选择。