Kimi K3 全面開源
2.8 萬億參數、百萬上下文，月之暗面這次放了什麼大招

7 月 27 日晚，月之暗面正式發布 Kimi K3 完整模型權重與技術報告，並同步開源 MoonEP、FlashKDA、AgentEnv 三項核心基礎設施——這是全球首個被完整開放的 3 萬億參數級別模型，Hugging Face 權重約 1.56TB，上線半小時登頂趨勢榜第一。本文面向關注開放權重許可、MoE 架構創新與自部署可行性的開發者，完整涵蓋：11 天從 API 首發到權重全面開源的時間線、KDA/AttnRes/Per-Head Muon 架構解析、三大 Infra 開源能力、SWE-bench 與 AA Index 跑分對比、許可證兩道商業門檻、API 定價與 64 卡自部署真相、六步評估接入清單與 FAQ。核心結論：K3 是開源陣營能力天花板，但不是性價比最優選——官方從未自稱「開源」，而是堅持使用 open weight（開放權重） 表述。

01

從 API 首發到全面開源：Kimi K3 只用了 11 天，背後有哪些痛點？

開發者最困惑的三件事：7/16 已經能調 API，7/27 又發布了什麼？「開源」和「開放權重」差在哪？自部署到底要多少卡？ 以下時間線幫你一次理清。

日期事件
7/16 夜Kimi K3 在 kimi.com、Kimi Work、Kimi Code 及 API 首發，權重尚未公開
7/17新華社報導稱其為「目前全球參數最大的開源模型」；業界密集分析架構
7/22–23美方指控月之暗面對 Anthropic Fable 模型進行「工業化蒸餾」，威脅制裁
7/27 23:00完整權重、技術報告發布；MoonEP、AgentEnv 開源（FlashKDA 此前已開源）
7/28中國商務部回應中美 AI 爭端；國內媒體跟進報導開源細節

企業用戶最關心的三個隱性成本

  1. 01

    許可誤讀風險：媒體普遍寫「開源」，但官方從未使用 open source，自訂許可證含 MaaS 收入與規模展示兩道門檻

  2. 02

    自部署幻覺：1.56TB 權重 + 896 專家 MoE，消費級 GPU 完全無法承載，盲目採購硬體是最大隱性成本

  3. 03

    跑分誤用：廠商自報與第三方複測差異大，須優先引用 Vals AI、Artificial Analysis 等獨立資料

  4. 04

    快取定價陷阱：表頭輸入 $3/M，但 Mooncake 架構在程式設計負載上快取命中率超 90%，實際成本更接近 $0.30/M

  5. 05

    地緣合規：中美「模型蒸餾」爭端疊加 WAIC 2026 視窗，權重公開不等於訓練過程可審計

  6. 06

    Agent 執行環境：長會話編碼 Agent 需要穩定算力與工具鏈，筆電或低配 VPS 難以支撐生產級流水線

02

Kimi K3 核心參數與架構創新：KDA、AttnRes、Stable LatentMoE 一覽

項目參數
總參數量2.8 萬億（2.8T）
啟動參數量約 1040 億
架構類型混合專家模型（MoE），896 路由專家，每 token 啟動 16 個
注意力機制Kimi Delta Attention（KDA）+ 門控多頭潛在注意力（Gated MLA）
上下文視窗100 萬 token
多模態原生視覺理解（ViT-V2，27 層）
權重格式MXFP4 權重 + MXFP8 啟動（量化感知訓練）
權重體積約 1.56TB（Hugging Face）
License自訂許可證（官方稱 open weight，非 open source）

Kimi Delta Attention（KDA）：逐通道精細遺忘

傳統 Gated DeltaNet 用標量級遺忘門，KDA 改為逐通道門控——每個特徵維度獨立衰減，配合 chunkwise DPLR 公式實現線性時間遞迴，與少量 Gated MLA 層交替混合，支撐 100 萬 token 上下文同時將 KV Cache 壓到極低。

Attention Residuals（AttnRes）：選擇性殘差聚合

傳統殘差連接均勻累加各層輸出，深層易稀釋早期資訊。AttnRes 改為輸入依賴的動態聚合，每層僅增 RMSNorm 與一個偽查詢向量，帶來約 25% 訓練效率提升，參數開銷不到 2%。

Per-Head Muon 與 Stable LatentMoE

Per-Head Muon 讓每個注意力頭獨立最佳化收斂路徑；MoE 層 896 選 16（稀疏度約 1.8%），配合 Quantile Balancing 與 MoonEP 從數學上證明冗餘專家數上界，解決大規模 MoE 負載不均衡。

月之暗面重構了注意力、殘差連接與最佳化器三大傳統元件——這才是 K3 區別於「簡單堆參數」的關鍵，而非僅靠 2.8T 規模。

03

MoonEP、FlashKDA、AgentEnv：三大 Infra 開源與六步接入清單

這次發布不只釋出權重，而是把支撐 K3 訓練效率的三項關鍵基礎設施一併開源——這也是開發者社群評價較高的原因。

技術定位關鍵能力
MoonEP超大規模細粒度 MoE 通訊庫臨時複製過載專家，保證每節點均等 token 數；證明冗餘專家數理論上界
FlashKDA基於 CUTLASS 的 KDA 高效能算子H20 上 prefill 較基線快 1.72–2.22 倍；可作為 chunk_kda 直接替代後端
AgentEnvFirecracker microVM 智慧體沙箱checkpoint 延遲低至 133ms、恢復 49ms、記憶體超分最高 6.5 倍（官方資料）

六步評估與接入實操清單

  1. 01

    確認使用路徑：絕大多數團隊應走 API（`https://api.moonshot.ai/v1`，模型 ID `kimi-k3`），僅資料駐留/微調/超大規模推理考慮自部署

  2. 02

    逐條閱讀 LICENSE：核對 MaaS 年收入 2000 萬美元門檻與月活 1 億/月收入 2000 萬美元展示義務

  3. 03

    驗證 Hugging Face 權重完整性：約 1.56TB，確認 MXFP4 格式與分片清單

  4. 04

    評估硬體門檻：官方建議 64 卡及以上超節點；勿按消費級 GPU 規劃

  5. 05

    接入 FlashKDA：現有 flash-linear-attention 專案可無縫切換 chunk_kda 後端獲加速

  6. 06

    對照獨立跑分：以 Vals AI SWE-bench Verified（K3 93.4%）與 AA Index（約 57，全球第 3）為選型基準，勿只看廠商自報

python 
from openai import OpenAI
client = OpenAI(
    api_key="YOUR_MOONSHOT_KEY",
    base_url="https://api.moonshot.ai/v1"
)
resp = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Explain Kimi Delta Attention"}]
)
print(resp.choices[0].message.content)
04

跑分對比與許可證門檻：K3 vs GPT-5.6、Claude、GLM-5.2 怎麼選？

SWE-bench Verified（Vals AI 獨立複測，2026 年 7 月）

模型分數發布日期
Claude Opus 597%2026-07-24
GPT-5.6 Sol96.2%2026-07-09
Claude Fable 595%2026-06-09
Kimi K393.4%2026-07-16
GLM-5.2（此前開源第一）—AA Index 51

成本與能力決策矩陣

維度Kimi K3Claude Fable 5GLM-5.2
AA Intelligence Index約 57（全球第 3，開源第 1）6051
單任務成本約 $0.95約 $2.4約 $0.47
上下文100 萬 token較短較短
權重可下載是（1.56TB）否是
定位開源陣營能力天花板閉源綜合最強之一開源性價比最優
warning

許可證兩道商業門檻（K2 時代沒有）：① 營運 MaaS 業務且連續 12 個月收入超 2000 萬美元，須與月之暗面另行簽署商業協議；② 月活超 1 億或月收入超 2000 萬美元，須在介面顯著展示「Kimi K3」字樣。對絕大多數中小團隊無影響；若計畫與 kimi.com 直接競爭的模型服務，法務須重點審查。

API 定價（每百萬 token）

Token 類型價格
輸入（快取命中）$0.30
輸入（快取未命中）$3.00
輸出（含推理過程）$15.00
05

中美 AI 競賽背景與可引用資料：K3 開源釋放了什麼訊號？

Kimi K3 開源節點卡在 WAIC 2026 視窗期，疊加升級中的中美「模型蒸餾」爭端——美方指控月之暗面工業化蒸餾 Anthropic Fable 訓練 K3 並威脅制裁；中國商務部 7 月 28 日回應指責「AI 霸權主義」。在此背景下全面公開權重、技術報告與三項 Infra，是用工程細節自證技術路徑獨立性的態度表達。三天後阿里巴巴發布 24 萬億參數 Qwen3.8-Max-Preview，國產大模型競爭正式進入「3T 俱樂部」階段。

可引用關鍵資料速查

  • 規模：2.8T 總參數，896 專家啟動 16 個，啟動參數約 1040 億，1M token 上下文
  • 跑分：SWE-bench Verified 93.4%（Vals AI）；AA Index 約 57，全球第 3、開源第 1
  • 成本：單任務約 $0.95，比 Fable 5 便宜約 60%，但比 GLM-5.2（$0.47）更貴
  • 編碼：Frontend Code Arena 榜單第 1；Mooncake 快取命中率程式設計負載超 90%
  • 自部署：1.56TB 權重，官方建議 64+ 卡超節點；OpenRouter 等 7 家第三方已託管
  • 許可：自訂 open weight 許可，非 OSI 開源；含 MaaS 收入與規模展示兩道門檻

若你計畫將 K3 接入 Kimi Code 類長會話 Agent 或 iOS CI 流水線，在筆電或不穩定 Linux VPS上跑 CLI Agent 常面臨記憶體不足、會話中斷與 Xcode/Metal 工具鏈缺失。對於需要穩定 SSH 長會話、DerivedData 快取與 iOS CI/CD 自動化的生產環境，NodeMini 的 Mac Mini 雲端租賃通常是更優解——獨佔節點、秒級撥備，讓 Agent 與建置任務在同一台真實 Mac 上持續執行。詳見 Mac Mini 租賃價格。

FAQ

常見問題

嚴格來說不是。它屬於開放權重（open weight）模型：權重、技術報告和部分 Infra 工具公開，但訓練資料和完整訓練程式碼未公開，不符合 OSI「開源」定義。月之暗面官方材料從未使用 open source 一詞。

絕大多數商業場景不受限制。但若營運 MaaS 業務且年收入超 2000 萬美元，或月活超 1 億/月收入超 2000 萬美元，須滿足許可證特定條款。部署環境可參考 Mac Mini 租賃價格。

官方建議 64 卡及以上超節點叢集。個人與大部分企業更現實的路徑是透過官方 API 或 OpenRouter 等第三方平台呼叫（目前已有 7 家服務商上線）。

開源陣營綜合能力最強：AA Index 全球第 3，僅次於 Claude Fable 5 和 GPT-5.6 Sol；但成本高於 GLM-5.2，屬於「天花板最高、非性價比最優」。更多維運問題見 幫助中心。

K3 參數約為 K2.5 的 3 倍，新增 Attention Residuals 與 Per-Head Muon，上下文與多模態大幅提升；許可證從 K2 的 Modified MIT 改為自訂檔案，新增 MaaS 收入門檻。