月之暗面 Kimi-K3 正式发布，第一个 3 万亿参数的开放权重模型

Open Source AI Model Kimi K3 Challenges Closed AI Systems

21CTO导读：月之暗面发布Kimi K3 的模型权重、技术报告，并开源支撑 Kimi K3 模型训练的关键 Infra 技术：MoonEP、FlashKDA和AgentEnv。

7 月 28 日，月之暗面在 HuggingFace 上正式开放Kimi-K3权重。

这款 3 万亿参数大模型，是全球首款迈入 3T 量级的开源基座，一举拉高了开源模型的规模天花板。

全新架构登场，瞄准仓库级代码与复杂智能体

Kimi K3总参数规模达2.8万亿，激活参数1040亿，是全球首个迈入3万亿参数级别的开源模型。模型基于混合专家（MoE）架构，在896个路由专家中每个Token仅激活16个。

架构上采用自研Kimi Delta Attention（KDA）混合线性注意力机制与Attention Residuals（注意力残差）技术，原生支持视觉理解，上下文窗口达100万Token。相比上一代Kimi K2，整体扩展效率提升约2.5倍。

技术报告披露，Kimi K3在编程、智能体、推理与视觉等数十项基准测试中超越所有开源模型及多数闭源模型。在Arena Intelligence的WebDev Arena中，Kimi K3以1679 Elo登顶，成为首个在该榜单夺冠的开源模型；Artificial Analysis Intelligence Index v4.1得分57.1，排名全球第四。报告同时指出，其整体性能仍略逊于Claude Fable 5和GPT-5.6 Sol。

此次开源尤为值得关注的是Kimi K3在GPU与芯片算力层面展现的自主工程能力。

技术报告显示，在GPU内核优化测试中，Kimi K3在24小时内独立完成了AttnRes、DeepSeek Sparse Attention、KDA和MLA四种代表性内核的优化。其中AttnRes延迟从283.6毫秒降至114.4毫秒，DSA和KDA运行时间分别减少55.1%和73.6%，MLA接近峰值TFLOPS。该表现与Claude Fable 5持平，显著优于Claude Opus 4.8、GPT-5.6 Sol和GPT-5.5。

需注意的是，测试环境同时覆盖了NVIDIA H200与来自其他供应商的GPGPU，意味着Kimi K3的部署能力已不局限于英伟达生态。

报告还显示，Kimi K3自主开发了名为MiniTriton的紧凑型GPU编译器，从Python前端到PTX代码生成全链路均由模型完成，在NVIDIA L20上性能超越PyTorch eager、torch.compile和标准Triton实现。

在预发布之前，消息已经速卷海外开发者社区，Hacker News 评论区反复出现同一个词：historic（历史性）。

有用户 davidkunz 写下具有代表性的判断：

“这是历史上第一次，一款开放权重大语言模型站上行业性能顶端。”

极高硬件门槛：普通人无缘本地运行，云厂商成为主力玩家

技术层面最受行业关注的焦点，是高昂的推理部署成本。模型原生采用 FP4 精度存储，仅权重本身就需要约 1.5TB 显存承载。想要稳定生产级部署，至少需要 16 块 B200 加速卡组成集群。这道硬件门槛直接将个人开发者挡在门外，只有具备大规模算力储备的云服务商才有能力落地运行。

开发者 NitpickLawyer 完成详细测算后点评：本次开源将提供一份关键第三方基准数据，用来核算 3T 规模模型真实推理成本。借此市场可以清晰判断，各大厂商对外的 API 定价，究竟是正常营收，还是依靠资本补贴抢占市场。

基准评测数据目前仍相对有限。现有 AISI 网络安全赛道测试显示，Kimi-K3 性能超越 GLM 5.2，但和全球第一梯队闭源模型仍存在差距。

即便如此，开源本身已经改写赛道规则。

用户 m00dy 一语点破后续走向：“围绕这个基座将会掀起激烈竞争，拭目以待 AI 服务商能把 Token 价格压到多低。”

价格战提前打响，开源基座搅动整条产业链

事实上，大模型 API 价格战早已拉开序幕。

网友 gorgmah 观察到，自 6 月 16 日 GLM 5.2 开源发布以来，市场竞争推动其 API 报价下调大约 45%，降价趋势仍在持续。他预判：很快会出现服务商以低于电费、硬件折旧的成本价对外售卖 Token。

社区同样存在理性的担忧。用户 torginus 提醒风险：部分厂商可能在用户不知情的情况下，采用劣质量化版本压缩成本，牺牲模型原生能力换取低价。开发者 woctordho 则聚焦微调工程实践：LoRA + bnb 4-bit 方案正逐步被 GGUF 取代，但面对 Kimi-K3 这种体量，单卡微调完全不具备可行性，多 GPU、多节点分布式训练才是最低准入底线。