7/27 晚權重上架 · 1.56TB Hugging Face · MoonEP / FlashKDA / AgentEnv · 自訂許可證 · API $0.30–$15/M
摘要：7 月 27 日晚 23 點左右，月之暗面（Moonshot AI）正式發布 Kimi K3 完整模型權重與技術報告，並同步開源支撐訓練的三項核心基礎設施：MoonEP、FlashKDA、AgentEnv。K3 擁有 2.8 萬億總參數、約 1040 億激活參數、100 萬 token 上下文與原生視覺理解——這是全球首個被完整開放的 3 萬億參數級別模型，權重約 1.56TB，上線半小時內登頂 Hugging Face 趨勢榜第一。本文嚴格依據官方發布與獨立評測，涵蓋時間軸、架構創新、Infra 開源、跑分對比、開放權重許可門檻、API／自部署路徑與中美 AI 爭端背景，並附 FAQ。
「開源」與「開放權重」混用：媒體常說「開源」，但 Moonshot 官方始終使用 open weight——訓練資料與完整訓練程式碼並未公開
自部署門檻被低估：1.56TB 權重 + 896 專家 MoE，官方建議 64 卡以上超節點，與消費級硬體預期嚴重脫節
許可證新增商業門檻：K3 自訂許可含 Model-as-a-Service 年收入 2000 萬美元門檻與 1 億 MAU 展示義務，與 K2 時代 Modified MIT 不同
能力≠性價比：K3 是開源陣營能力天花板，但單任務成本約 $0.95，高於 GLM-5.2（約 $0.47）
地緣與蒸餾爭議：權重開源前美方指控「工業化蒸餾」，需區分技術發布與合規／輿論風險
| 日期 | 事件 |
|---|---|
| 7 月 16 日夜 | Kimi K3 在 kimi.com、Kimi Work、Kimi Code 及 API 首發（線上呼叫，權重未公開） |
| 7 月 17 日 | 業界密集分析架構；新華社稱其為「目前全球參數最大的開源模型」 |
| 7 月 22–23 日 | 中美「模型蒸餾」爭端升級：白宮科技顧問指控月之暗面蒸餾 Anthropic Fable；財長威脅制裁 |
| 7 月 27 日晚 23 點 | 完整權重、技術報告發布；MoonEP、AgentEnv 開源（FlashKDA 此前已開源） |
| 7 月 28 日 | 中國商務部回應美方「AI 霸權主義」；國內媒體跟進開源細節 |
這次開源距離 K3 API 端首發僅 11 天——在 WAIC 2026 視窗期與中美 AI 爭端疊加的背景下，月之暗面選擇公開權重、技術報告與三項 Infra，某種程度上是用工程細節回應外界對其技術路徑的質疑。
| 項目 | 參數 |
|---|---|
| 總參數量 | 2.8 萬億（2.8T） |
| 激活參數量 | 約 1040 億 |
| 架構類型 | 混合專家模型（MoE） |
| 專家配置 | 896 個路由專家，每 token 激活 16 個（另有共享專家） |
| 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 |
| 多模態能力 | 原生視覺理解（ViT-V2，27 層） |
| 權重格式 | MXFP4 權重 + MXFP8 激活（SFT 階段起量化感知訓練） |
| 權重體積 | 約 1.56TB（Hugging Face） |
| License | 自訂許可證（官方稱 open weight，非 open source） |
可引用資料：896 選 16 稀疏度約 1.8% · 1M context · 1.56TB 下載 · MXFP4/MXFP8 原生低精度訓練。
Kimi K3 重構了深度學習沿用多年的三大組件——注意力、殘差連接、優化器，這也是它區別於「簡單堆參數」的關鍵。
傳統 Gated DeltaNet 使用標量級遺忘門；KDA 改為逐通道門控，每個特徵維度擁有獨立衰減率。採用 chunkwise DPLR 公式實現線性時間遞迴，K3 將 KDA 與少量全局注意力層（Gated MLA）交替混合——這是支撐 100 萬 token 上下文、同時壓低 KV Cache 開銷的核心。
AttnRes 將均勻累加改為依據輸入動態聚合前面所有層輸出，每層僅新增一個 RMSNorm 和一個偽查詢向量，帶來約 25% 訓練效率提升，代價不到 2%。偽查詢向量初始化為零，保證訓練初期等價於均勻平均。
K3 將 Muon 優化器擴展為逐注意力頭獨立優化；MoE 層 896 選 16，配合 Quantile Balancing 與 MoonEP 解決專家負載不均衡。
| 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各節點 token 均等；證明冗餘專家數理論上界 |
| FlashKDA | 基於 CUTLASS 的 KDA 運算子（此前已開源） | H20 上 prefill 較 flash-linear-attention 基線快 1.72–2.22 倍；可作為 chunk_kda 直接替代後端 |
| AgentEnv | 與 KVCache.ai 聯合的智慧代理人沙箱（Firecracker microVM） | 面向大規模 Agent RL；官方披露 checkpoint 133ms、恢復 49ms、記憶體超分最高 6.5 倍（待第三方複現） |
以下優先引用獨立第三方複測（Vals AI SWE-bench Verified，截至 2026 年 7 月）：
| 模型 | SWE-bench Verified | 發布日期 |
|---|---|---|
| Claude Opus 5 | 97% | 2026-07-24 |
| GPT-5.6 Sol | 96.2% | 2026-07-09 |
| Claude Fable 5 | 95% | 2026-06-09 |
| Kimi K3 | 93.4% | 2026-07-16 |
| Qwen3.7-Max | 79.4% | 2026-05-19 |
| DeepSeek-V4 | 76.2% | 2026-04-23 |
Artificial Analysis 智能指數（max 推理檔）：Kimi K3 約 57，全球第 3、開源模型第 1；Claude Fable 5 為 60，GPT-5.6 Sol 為 59。單任務成本約 $0.95——比 Fable 5（約 $2.4）便宜約 60%，但高於 GLM-5.2（約 $0.47）。結論：開源陣營能力天花板最高，而非性價比最優。K3 目前在 Arena.ai Frontend Code Arena 榜單排名第一。
| 路徑 | 適合誰 | 門檻／成本 |
|---|---|---|
| 官方 API（kimi-k3） | 個人開發者、中小團隊、快速驗證 | 快取命中 $0.30/M 輸入；未命中 $3/M；輸出 $15/M |
| OpenRouter 等第三方 | 需多模型路由、已有 OpenAI SDK 整合 | 約 7 家服務商，定價大多與官方一致 |
| 自託管完整權重 | 超大規模呼叫方、研究機構 | 1.56TB 儲存 + 64 卡以上超節點 |
月之暗面官方材料從未使用 open source，一直採用 open weight 表述。按 OSI 標準，真正開源需公開訓練資料、訓練程式碼與可複現流程；K3 只公開權重、技術報告與推理相關 Infra。
許可證為完全自訂檔案（不再自稱 Modified MIT），含兩道商業門檻：
Model-as-a-Service 收入門檻：若 MaaS 業務連續 12 個月累計收入超過 2000 萬美元，須與月之暗面另行簽署商業協議
規模展示門檻：月活超過 1 億或月收入超過 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，兩道門檻幾乎不會觸發；若商業計畫是「拿 K3 開與月之暗面競爭的模型服務」，第一道門檻是法務重點。
在 https://api.moonshot.ai/v1 用 OpenAI SDK 相容介面呼叫 kimi-k3，驗證長上下文與快取命中成本
對照 SWE-bench / AA Index，確認你的場景落在 K3 強項（前端程式碼、長文件）還是弱項
閱讀 Hugging Face 倉庫 LICENSE 全文，由法務評估 MaaS 與 MAU 門檻
若計畫自託管：核算 1.56TB 儲存與 64+ 卡預算；評估 MoonEP / FlashKDA 整合
在真實 macOS 圖形環境中用 Kimi Code / OpenClaw 做多模型 Agent 驗收（見下文 VNCMac 場景）
| Token 類型 | 價格（每百萬 token） |
|---|---|
| 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 |
Mooncake 分離式推理在典型編程負載上快取命中率可達 90% 以上，實際成本更接近 $0.30 檔。
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。權重開源前幾天，美方指控月之暗面「工業化蒸餾」Anthropic Fable 訓練 K3；7 月 28 日中國商務部公開回應。三天後，阿里巴巴發布 24 萬億參數的 Qwen3.8-Max-Preview，國產大模型競爭進入「3T 俱樂部」階段。
嚴格來說不是。它屬於開放權重模型：權重、技術報告和部分 Infra 公開，但訓練資料與完整訓練程式碼未公開，不符合 OSI 開源定義。
絕大多數商業場景不受限制；MaaS 年收入超 2000 萬美元或 MAU 超 1 億／月收入超 2000 萬美元時需滿足許可特定條款。
官方建議 64 卡及以上超節點；個人與大部分企業更現實的路徑是官方 API 或 OpenRouter。
開源陣營綜合能力最強，AA 指數全球第 3；成本高於 GLM-5.2，屬能力天花板而非性價比最優。
K3 參數約為 K2.5 的 3 倍，新增 AttnRes 與 Per-Head Muon，上下文與多模態大幅提升；許可新增 MaaS 收入門檻。
K3 把「全球最大開放權重」從預告變成了可下載的 1.56TB 現實——但權重開放 ≠ 人人本地可跑，也不等於 OSI 意義上的開源。若你主力機是 Windows/Linux，卻要在真實 macOS 圖形環境裡跑 Kimi Code、對接 OpenClaw 多模型路由，或並行做 iOS 建置與 Agent 基準對照，自購 Mac 成本高、純 SSH 又點不了系統彈窗。租用 VNCMac 遠端 Mac 可按小時開通 VNC 桌面，在隔離節點上驗收 K3 長上下文編程與 Agent 工作流。查看 Mac Mini M4 套餐；更多背景可參考站內 Kimi K3 深度評測與 蒸餾門週報。
資料來源：Moonshot AI 官方部落格、Hugging Face、Vals AI、Artificial Analysis、VentureBeat、Simon Willison 部落格等。發布前請以官方最新資料為準。