Kimi K3 的數字，截至 2026 年 7 月 17 日：
2.8 兆個參數。史上最大的開源權重模型，比 DeepSeek V4 Pro 大 75%。
架構內部包含 896 個專家，每次處理啟動 16 個。
100 萬個 token 的上下文長度。原生視覺能力。一種推理模式，永久設定為最大強度。
每百萬輸入 token 收費 3 美元，每百萬輸出收費 15 美元。快取輸入降至 0.30 美元，而 Moonshot 的服務堆疊在編碼任務中能維持超過 90% 的快取命中率。
在 Arena 的獨立前端編碼測試中，K3 擊敗了 Claude Fable 5 和 GPT-5.6 Sol。在 Arena 更廣泛的文字排名中，它領先 Opus 4.8，同時每項任務成本低 40%。
完整權重將於 7 月 27 日在修改版 MIT 授權下發布。這是史上第一個開放的 3T 級模型。
背後的北京實驗室 Moonshot AI，早在今年四月年化營收就已突破 2 億美元。7 月 16 日他們發布了 K3，市場迎來了 18 個月內的第二個「DeepSeek 時刻」。
以上就是數字。現在來看數字背後的故事，因為單看數字還不足以體現這次發布有多不尋常。
一場沒有人預料到的回歸
十八個月前，Moonshot 看起來已經完了。DeepSeek 搶走了他們的消費市場，企業級業務停滯不前，Kimi 這個品牌在中國 AI 競賽中就像個註腳。創辦人楊植麟，一位前 Google 研究員，讓實驗室始終專注於一件事：具備超長上下文視窗的 Agent 編碼模型。
K2 在 2025 年 7 月作為一款紮實的開源編碼模型問世。K2.5 和 K2.6 在 2026 年春季接連推出，到了四月，Artificial Analysis 將 K2.6 評為其智能指數中最強的開源模型。表現不錯，但仍比封閉前沿模型低一個檔次。
K3 彌合了這個差距。Moonshot 選擇在上海世界人工智能大會前幾天發布，其背後意圖在基準測試之下表露無遺：三年的 GPU 出口管制並未能阻止一家北京的中型實驗室達到前沿水準，然後把權重交給任何有下載連結的人。
Anthropic 指控 Moonshot 和其他中國實驗室進行工業規模的蒸餾，據稱是利用數百萬次與美國前沿模型的互動數據進行訓練。Moonshot 對此提出異議。兩件事情可能同時成立：歸屬權爭議是真實的，而那個將在 10 天後出現在 Hugging Face 上的成果也是真實的。
2.8 兆個參數實際上能買到什麼
如果你把這個主要數字理解為單純的體積，那就會被誤導。K3 是一個稀疏的混合專家模型：896 個專門的子網路，每次處理啟動 16 個。你將獲得 2.8T 模型的知識容量，但推理成本卻小得多。
兩項內部發明支撐了這個設計。Kimi Delta Attention，一種混合線性注意力機制，讓 100 萬 token 的上下文窗口以你能負擔的價格存在。Attention Residuals，一種標準殘差連接的直接替代方案，是 Moonshot 聲稱能持續擴展增益的關鍵。這兩項技術在模型發布前就已作為開放研究發表在 GitHub 上，這讓 K3 在基準測試結果出來之前就贏得了研究人員的信任。
實際轉化為：這個模型可以一次讀取整個程式碼庫、一年的文件或 50 份影片逐字稿，將所有內容保持在工作記憶中，並對整體進行推理。RAG 流程、分塊策略、嵌入資料庫，整個為了補償小上下文窗口而建立的檢索產業，對於越來越多的任務類型來說，都變成了選配。
加上原生視覺能力，輸入的範圍又擴大了。截圖、圖表、白板照片、圖表。K3 在 Arena 的勝利特別來自前端編碼，這正好是需要同時理解設計並撰寫程式碼的領域。
經濟效益才是真正的武器
先放下基準測試不談。定價表才是 K3 的殺手鐧。
每百萬輸入 3 美元、輸出 15 美元的價格，讓 K3 處於中國實驗室定價的頂端，大約是 Opus 4.8 每項任務成本的一半。然後快取機制改寫了計算方式。在長期編碼任務中，快取輸入成本為每百萬 token 0.30 美元，命中率超過 90%，這使得一個不斷重讀相同程式碼庫的 Agent 的有效輸入成本降低了約 4 倍。
長期運行的 Agent 成敗取決於此。一個在程式碼庫中工作 6 小時的 Agent 會重讀相同的上下文數千次。在大多數定價模式下，這種循環會讓你破產。但在 K3 的快取經濟學下，成本只相當於一頓午餐錢。
Moonshot 還聲稱，在同等任務上，K3 相比 K2.6 減少了 21% 的輸出 token。這是他們的數據，來自他們的評估表格，所以參考就好。獨立測試者在小型任務上發現了相反的壓力：始終開啟的最大推理模式在一個簡單的 SVG 繪圖任務上消耗了 13,241 個思考 token，一次性的無關查詢就花了約 0.25 美元。K3 沒有經濟模式。你無法要求它少思考一點。
這就劃出了誠實的使用界線。簡單、高流量、對延遲敏感的任務不適合這個模型。而那些需要大量上下文、長時間進行的任務，快取能吸收輸入成本，且任務本身需要最大推理強度的場景，才是這個定價從昂貴變成不公平的地方。
7 月 27 日改變了遊戲規則
到目前為止，業界有一個不變的規則：前沿能力存在於 API 之後。你租用它，供應商可以重新定價、棄用它，或悄悄改變其行為，而你的業務只能承受這一切。
7 月 27 日，K3 的權重將以修改版 MIT 授權發布。下載一次後，地球上沒有任何實驗室能收回這個能力。在你自己的領域對其進行微調。在隔離環境中運行。用你自己的硬體來提供服務。政府、醫院、銀行，以及所有因模型棄用通知而失眠的創辦人，現在有了一個不受任何人控制的前沿級備用方案。
幾乎沒有人會自己託管 2.8 兆個參數。為這麼大的模型提供服務所需硬體的成本，即使考慮到稀疏性，也遠遠超出了業餘愛好者的範圍。但這不是重點。權重公開存在，永久性地限制了任何人對類似強度的封閉模型所能收取的費用，並確保會有一個由低成本第三方主機組成的市場，以商品化的利潤率競爭來提供 K3 服務。即使你從未下載過任何一個分片，你也能從這個開放發布中受益。
這個月可以用它來做什麼
一個擁有 100 萬 token 上下文、原生視覺能力、前沿編碼得分和低廉快取成本的模型，不僅僅是聊天功能的升級。它獎勵的是不同類型的任務。
餵給它完整的東西。完整的程式碼庫進行審查、完整的合約資料夾進行審計、完整的競爭對手內容庫進行分析。任何你過去需要切成碎片的東西，現在都不必再切了。
讓它長時間運行。K3 的官方定位是進行長時間的工程任務，只需最少的人工監督：導航程式碼庫、協調終端工具、持續執行。在晚上排隊執行真正的多小時任務，早上檢查完成的工作，而快取機制會吸收每次重讀的成本。
把鏡頭對準問題。截取競爭對手的登陸頁面，要求重建。拍下白板照片，要求實現。視覺能力加上前沿前端編碼得分，使得「螢幕到程式碼」成為這個模型的拿手好戲。
同時，也要留意成本。將你那些瑣碎、高頻的調用導向便宜的輕量模型，因為 K3 會樂意花兩毛五來認真思考一件小事。
前沿能力曾經是一種訂閱服務。10 天後，它將變成一個檔案。請據此規劃。
感謝您閱讀到這裡。
我會剖析 AI 模型、Agent 工作流程，以及它們背後的系統，並提供真實的數字和誠實的提醒。如果這篇文章對你有幫助，追蹤我，那麼 7 月 27 日權重發布的深度解析，就會在你看到它的當天出現在你的資訊流中。
