Kimi K3：月之暗面2.8万亿参数的开放权重前沿模型
Kimi K3是月之暗面在Kimi K2之后推出的开放权重新旗舰——一个2.8万亿参数、每次激活1040亿参数的MoE模型，采用全新的Kimi Delta Attention（KDA）架构，原生支持多模态视觉，上下文窗口达1,048,576 token，官方公布了对比Claude和GPT系前沿模型的评测数据。
- ⭐ 8176
- Python
- Kimi K3 License
- 更新于 2026-08-08
MCP 服务器 2026：100 多个服务器生态系统地图和决策 • Open Interpreter：模仿Claude Code和Kimi智能体框架的Codex分支
Kimi K3是什么？ #
Kimi K3是月之暗面最新的开放权重模型，按README的说法，是他们目前最强的一个：一个2.8万亿参数的混合专家（MoE）模型，每个token激活1040亿参数，采用全新的Kimi Delta Attention（KDA）和Attention Residuals（AttnRes）架构。月之暗面把它描述为"全球首个开放的3T级模型"——原生多模态（文本、图像、视频帧理解），1,048,576 token的上下文窗口，以自定义的Kimi K3协议发布完整权重。
🔗 GitHub：https://github.com/MoonshotAI/Kimi-K3
🤗 权重：huggingface.co/moonshotai/Kimi-K3
📄 技术报告：仓库里链接的k3_tech_report.pdf
目前8,100+ GitHub星标，2026年7月27日创建，最近一次提交在8月6日。
架构：相比K2改了什么 #
| 规格 | 数值 |
|---|---|
| 总参数量 | 2.8T |
| 激活参数量 | 104B |
| 层数 | 93层（1层稠密 + 92层MoE） |
| 注意力层组成 | 69层KDA + 24层Gated MLA |
| 注意力头数 | 96（隐藏维度7168） |
| 专家数 | 共896个，每token选16个，2个共享专家 |
| 词表大小 | 160K |
| 上下文长度 | 1,048,576 token |
| 视觉编码器 | MoonViT-V2（401M参数） |
| 量化方案 | 原生MXFP4权重/MXFP8激活（量化感知训练） |
按月之暗面的说法，Stable LatentMoE框架从896个专家里每token选16个激活，带来了相比K2"约2.5倍的整体扩展效率提升"。量化这个细节值得单独说一下：MXFP4/MXFP8是从SFT阶段就原生训练进去的，不是事后再打补丁式地做量化压缩——官方说法是这样能兼顾广泛的硬件兼容性，同时不会因为额外的量化步骤损失质量。
跑分亮点（官方自报，max强度） #
月之暗面的README公布了一张对比Claude Fable 5、Claude Opus 4.8、GPT-5.6 Sol、GPT-5.5、GLM-5.2的大表格。摘取有代表性的一部分——K3不是每项都领先，表现按跑分类型各有不同：
| 跑分项目 | Kimi K3 | 其余里最高的 |
|---|---|---|
| BrowseComp（智能体网页浏览） | 91.2 | GPT-5.6 Sol 90.4 |
| MCPMark-Verified（MCP工具调用） | 94.5 | GPT-5.6 Sol / GPT-5.5 并列92.9 |
| Terminal-Bench 2.1 | 88.3 | GPT-5.6 Sol 88.8 |
| GPQA Diamond（推理） | 93.5 | GPT-5.6 Sol 94.1 |
| HLE-Full | 43.5 | Claude Fable 5 53.3 |
| CritPt（物理推理） | 23.4 | GPT-5.6 Sol 32.3 |
| Video-MME（带字幕） | 90.0 | GPT-5.6 Sol 89.5 |
| OmniDocBench（文档视觉） | 91.1 | Claude Fable 5 89.8 |
| Harvey Lab-AA（法律） | 94.6 | Claude Fable 5 93.6 |
这里要看仔细：这些是月之暗面技术报告里自己给的数字，不是第三方复现结果。K3在智能体工具调用类和一部分视觉/文档类跑分上领先，但在HLE-Full、CritPt这类最吃纯推理能力的评测上落后于Claude Fable 5和GPT-5.6 Sol。定位是"强，但要看具体跑分项目"，不是"全面最强"。
部署与模型使用 #
README里推荐的推理引擎：
platform.kimi.ai上有一个兼容OpenAI/Anthropic接口的托管API（模型名kimi-k3）。
思考功能默认常开。 推理强度通过reasoning_effort字段设置（“low”/“high”/“max”，默认"max"），单独以reasoning_content字段返回。这里有个接入时要特别注意的坑：K3是按保留思考历史模式训练的，意味着多轮调用必须把上一轮assistant的完整消息（reasoning_content和tool_calls都要）原样传回去，而不是只传最后的content文本，否则模型在后续轮次会接不上之前的思路。
智能体框架方面，月之暗面推荐自家的Kimi Code CLI——在终端里跑起来，用/model命令切到K3即可。
授权协议：什么情况会触发付费条款 #
Kimi K3协议（自定义协议，跟K2的结构一样）默认是宽松的——可以免费使用、修改、微调、再分发——但有两个跟营收挂钩的条件：
- “Model as a Service"门槛：如果你（及关联公司）让第三方通过API级别控制K3的输入/参数/微调，且合计营收在任意连续12个月内超过2000万美元，就需要跟月之暗面单独签商业协议。
- 规模化后的署名要求：如果K3驱动的产品月活超过1亿，或月营收超过2000万美元，必须在产品界面上显著展示"Kimi K3"字样。
内部使用、以及只是把K3能力嵌入到具体功能里而不对第三方开放模型级控制权的终端产品，这两条都不适用。
协议 #
Kimi K3协议（自定义协议，默认宽松，附带营收挂钩的商业条款）— 详见LICENSE。
💬 留言讨论