Kimi K3 开源了！全球首个近3万亿参数开源模型！

QUOTE

月之暗面把 2.8 万亿参数的前沿模型整包开源了。但能下载，不等于能用得动。

—— AI约翰

7 月 27 日晚，月之暗面（Moonshot AI）在 Hugging Face 放出了 Kimi K3 的完整模型权重——2.8 万亿参数、混合专家（MoE）架构、原生多模态、100 万 token 上下文。据多家媒体报道与官方模型卡，这是截至目前全球参数规模最大的开源权重模型，也是第一个真正落进「3 万亿俱乐部」的开源模型。

这件事在 AI 圈炸了锅：Hugging Face CEO Clem Delangue 称它 30 分钟登顶平台趋势榜、获超 4000 赞，是迄今最快的发布增速。但比起「多大」，更值得企业主和从业者关心的，是「它能怎么被用」——以及「它和你有什么关系」。

本文看点

01

数字意味着什么——2.8 万亿参数、896 专家、100 万上下文

02

为什么跟企业有关——它生来为「智能体」设计

03

普通人现在怎么用——API、云托管、自部署三条路

01

THE RELEASE

这件事本身有多重

先把事实摆清楚。Kimi K3 是 7 月 16 日在 WAIC 发布的，当时月之暗面就承诺「7 月 27 日前放出完整权重」，这次是兑现承诺。模型卡显示：总参数 2.8T，采用 MoE，设 896 个路由专家、每个 token 激活 16 个（另有 2 个共享专家），实际每 token 计算量约 1040 亿 参数。

它不是「纯文本」模型。K3 用 MoonViT-V2 做视觉编码器，原生支持文本、图片、视频输入；上下文窗口 1048576 token，对超长文档、整库代码、长链路对话都很友好。

训练上也有看点：KDA（混合线性注意力，专为超长序列设计）+ 注意力残差 + Stable LatentMoE，并从监督微调阶段就做量化感知训练（MXFP4 权重 / MXFP8 激活）。官方称规模化效率较上一代提升约 2.5 倍。

总参数

2.8 万亿

开源史上最大权重

上下文

100 万

token 长窗口

每 token 激活

1040 亿

稀疏 MoE 真计算量

更关键的是，月之暗面这次不只放模型，还开源了支撑训练的底层 Infra：MoonEP（面向大规模 MoE 的专家并行通信库）、FlashKDA（高性能算子，官方称在英伟达 H20 上 Prefill 速度比基线快 1.72–2.22 倍）、AgentEnv（与 KVCache.ai 合作的智能体沙箱，支持快照、恢复与 Fork）。把「模型 + 方法 + 底层系统」一起交出来，在开源史上并不多见。

发布即适配。华为昇腾（昇腾 950、Atlas A3）、阿里云真武 M890 超节点宣布 Day0 适配；海外 Nebius、Baseten、Fireworks、Cursor 也同日接入。千问平台与阿里云百炼将提供 K3 的 API。

02

FOR AGENTS

为什么说它「为智能体而生」

如果把 K3 和前代相比，最不一样的不是参数更大，而是「为当员工设计」的取向。它的技术报告把通用推理、通用 Agent、编程 Agent 三大方向列为核心评测域；AgentEnv 这种专为大规模 Agent 训练设计的环境被一并开源——信号很明显：它是冲着「让模型进业务流干活」去的。

长上下文 + 原生多模态 + 编程能力，正好对应企业里最费人的几类活：读完整本手册或合同、跨系统长链路操作、看懂截图和表格。这正与我们此前几篇一直在说的「智能体落地」需要的基础能力对上。

「开源前沿模型的意义，不在于参数多大，而在于它把「能当员工用的智能」从 API 后面，搬到了你自己的服务器上。」

能力上，第三方评测 Artificial Analysis 给 K3 的综合智能指数 57，排在开放权重模型第一，整体仅次于 Claude Fable 5 与 GPT-5.6 Sol；在前端代码 Arena 上 K3 拿了第一。月之暗面也坦诚：K3 综合仍落后两家最强闭源模型，但在长程编程、智能体、知识工作和视觉任务上已进入前沿区间。

03

HOW TO USE

普通人现在能怎么用

看到这里，最实际的问题是：我一个做跨境电商 / 自媒体 / 小生意的，能怎么碰它？三条路，门槛从低到高。

STEP 01用 API（门槛最低）

月之暗面官方 API 已上线 K3，按 token 计费。官方定价：缓存命中输入 2 元、未命中输入 20 元、输出 100 元 / 每百万 token（约为海外媒体折算的 3 / 15，缓存命中

STEP 02用云厂商托管（最稳）

华为、阿里、Nebius 等都已 Day0 适配，可在其平台一键部署或调用。国内走阿里云百炼 / 千问平台，国外走 Baseten / Fireworks，省去自己搭环境的坑。适合对稳定性、合规有要求的业务。

STEP 03自己部署（门槛最高）

权重 96 个分片、全精度约 1.56 TB，官方建议 64 张以上加速器组成的超节点——这不是个人电脑能跑的，是数据中心级工作。除非你有现成 GPU 集群，否则不建议个人硬上。但「能下载」本身的价值在于：研究者、信创厂商、对数据不出域有刚需的企业，可以拿它做私有化底座。

NOTE｜两个必须知道的坑

其一，幻觉率回升：第三方评测显示 K3 的幻觉率约 51%（AA-Omniscience），高于上代 K2.6 的 39%。对事实敏感的场景（医疗、法律、财报），务必人工复核，别直接出货。其二，许可证不是 MIT：Kimi K3 License 允许使用、修改、分发甚至销售，但如果你（或关联方）做模型即服务、近 12 个月营收超 2000 万美元，商用前需与月之暗面另签协议；月活超 1 亿或月收入超 2000 万美元的产品，还需在界面显著标注「Kimi K3」。内部研发不受影响。

∞

THE END

能下载，不等于能用得动

回到最开始那句话：能下载，不等于能用得动。K3 把「前沿级智能」的门槛从「买 API」拉到了「能自建」，但真正把它变成生产力的，依然是你自己的业务流、知识库和场景。

对我们一直跟踪的「智能体落地」这条线来说，K3 是个标志性节点：开源社区第一次有了一个「为当员工设计」的前沿底座。接下来比的不是谁先下载，而是谁先把模型接进自己的业务。

开源前沿的时代，门票没变——还是你的一线数据和流程。

如果你是企业主或运营：今天花 10 分钟，想一条团队里最高频、最重复、最该交给 AI 的活——它就是未来接 K3（或同类模型）的第一个落点。

END

我是 AI约翰，长期跟踪 AI 智能体与工作流落地，热衷于把行业信号讲成普通人能用的判断。