2026年7月16日发布 · KDA 架构 · 百万 token 上下文 · 基准全对比 · API 定价 · 7月27日权重开源
摘要：2026 年 7 月 16 日深夜，月之暗面（Moonshot AI）在 API 文档顶部悄然挂上「Kimi K3 已上线」——没有大型发布会，却发布了全球参数规模最大的开源 AI 模型（2.8 万亿）。本文按草稿要点完整拆解：Kimi Delta Attention 等三大架构创新、与 Claude Fable 5 / GPT-5.6 Sol 的全量基准、$3/$15 定价与缓存策略、四种立即使用路径，以及 7 月 27 日完整权重开源时间表。
Kimi K3 是目前全球参数规模最大的开源 AI 模型——2.8 万亿（2.8T）参数，超越此前纪录保持者 DeepSeek V4 Pro（1.6T）近 75%，是小米开源模型（1.02T）的 2.7 倍，是阿里（397B）的 7 倍有余。
它采用稀疏混合专家（MoE）架构，推理时只激活 896 个专家中的 16 个；配合 100 万 token超长上下文（约等于一次性读完 5 本《红楼梦》全文），以及原生视觉理解能力，专为复杂编程、长文档推理与知识工作场景设计。
一句话总结：Kimi K3 是一个开源的、可原生理解图像与视频的、拥有超长记忆的「重量级编程 AI」，价格比 Claude Opus 4.8 便宜 40%，且完整权重将于 7 月 27 日对外开源。
| 参数 | 数值 |
|---|---|
| 总参数量 | 2.8 万亿 |
| 架构 | KDA + AttnRes + Stable LatentMoE |
| 激活专家 | 16 / 896（稀疏度 1.8%） |
| 上下文窗口 | 1,048,576 tokens（1M） |
| 输入模态 | 文本、图像、视频 |
| API 模型 ID | kimi-k3 |
| 定价 | 输入 $3 / 输出 $15 per 1M tokens |
| 开源权重 | 2026 年 7 月 27 日 |
长代码任务断上下文：200K 窗口的闭源模型在处理大型 Repo 时需频繁截断或分段
开源模型规模天花板：此前最大开源权重约 1.6T，难以支撑最前沿编程 Agent
百万 token 的理论 vs 实践：多数模型标称长上下文，但 KV 缓存成本使实际可用长度远低于标称
闭源依赖风险：API 涨价、区域限制或政策变动时缺乏可自托管的退路
月之暗面在过去 18 个月经历了 DeepSeek 崛起带来的巨大冲击，市场份额一度大幅缩水。K3 的发布堪称一次漂亮的反击：
这不是一家「卖情怀」的公司在硬撑规模，而是一家商业化正在爆发的公司，在向全球宣示技术主权。
传统 Transformer 全注意力在长上下文下计算量呈平方级增长——处理 100 万 token 时，KV 缓存内存消耗是毁灭性的。KDA 是一种混合线性注意力机制：
简单类比：全注意力像让一个人同时记住所有对话细节；KDA 更像高效秘书——大部分时候用快速索引，关键时刻再精准回忆。
标准残差连接会将信息沿深度均匀积累，导致早期层关键表征在深层被稀释。AttnRes 引入选择性检索——模型可跨越深度直接拉取更早层的高价值表征。月之暗面报告此设计带来约 25% 训练效率提升，额外计算开销不足 2%。
896 个专家、每次仅激活 16 个（稀疏度 1.8%）。配套技术包括：
| 技术 | 作用 |
|---|---|
| Quantile Balancing | 从路由器得分分位数推导专家分配，消除启发式超参 |
| Per-Head Muon | 针对每个注意力头独立优化，使大规模训练更自适应 |
| Sigmoid Tanh Unit（SiTU） | 改进激活函数控制 |
| Gated MLA | 提升注意力选择性 |
综合以上创新，Kimi K3 相较 Kimi K2 整体扩展效率提升约 2.5 倍——相同算力，转化出更强的智能。
| 基准测试 | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | Claude Opus 4.8 | GLM-5.2 |
|---|---|---|---|---|---|
| DeepSWE | 67.5 | 70.0 | 73.0 | 59.0 | 46.2 |
| Program Bench | 77.8 | 76.8 | 77.6 | 71.9 | 63.7 |
| Terminal Bench 2.1 | 88.3 | 84.6 | 88.8 | 84.6 | 82.7 |
| FrontierSWE | 81.2 | 86.6 | 71.3 | 66.7 | 67.3 |
| SWE Marathon | 42.0 | 35.0 | 39.0 | 40.0 | 13.0 |
| BrowseComp | 91.2 | 88.0 | 90.4 | 84.3 | — |
| Automation Bench | 30.8 | 29.1 | 29.7 | 27.2 | 12.9 |
| GPQA-Diamond | 93.5 | 92.6 | 94.1 | 91.0 | 91.2 |
| MMMU-Pro（视觉） | 81.6 | 81.2 | 83.0 | 78.9 | — |
| OmniDocBench（文档理解） | 91.1 | 89.8 | 85.8 | 87.9 | — |
解读重点：
注意事项：上述为月之暗面自报数据，不同模型使用各自推理 harness（K3 用 Kimi Code，GPT 用 Codex，Claude 用 Claude Code），独立第三方复现仍在进行中。
| 模型 | 输入（$/M） | 输出（$/M） | 缓存命中输入 | 上下文 |
|---|---|---|---|---|
| Kimi K3 | $3.00 | $15.00 | $0.30 | 1M |
| Claude Sonnet 5 | $3.00（促销 $2） | $15.00（促销 $10） | — | 200K |
| Claude Opus 4.8 | $5.00 | $25.00 | — | 200K |
| GPT-5.5 | $5.00 | $30.00 | — | 400K |
| DeepSeek V4 Pro | $1.74 | $3.48 | $0.145 | 128K |
| Kimi K2.6 | $0.95 | $4.00 | $0.16 | 256K |
Kimi 网页/App：访问 kimi.com，注册账号（支持 Google），K3 默认以最大推理力度运行
官方 API：在 platform.kimi.ai 获取 API Key，模型 ID 为 kimi-k3
OpenRouter：模型 ID moonshotai/kimi-k3，官方定价无加价，完整 1M 上下文
等 7 月 27 日开源权重：Hugging Face 开放完整权重；生产部署需 64 张以上加速卡超节点
API 最小调用验证：用 OpenAI 兼容客户端发一条测试请求，确认计费与延迟符合预期
from openai import OpenAI
client = OpenAI(
api_key="your_moonshot_api_key",
base_url="https://api.moonshot.ai/v1"
)
response = client.chat.completions.create(
model="kimi-k3",
messages=[{"role": "user", "content": "帮我分析这段代码..."}]
)| 场景 | 推荐模型 | 原因 |
|---|---|---|
| 持续性长代码任务（SWE Marathon 类） | Kimi K3 | 基准第一，上下文最长 |
| 复杂 Repo 级别修 Bug | Claude Fable 5 | FrontierSWE 大幅领先 |
| 终端/工具链密集型 Agent | GPT-5.6 Sol | Terminal Bench 领先 |
| 超长文档/多模态文档理解 | Kimi K3 | OmniDocBench 第一 + 原生视觉 + 1M 上下文 |
| 成本敏感场景 | DeepSeek V4 Pro | 输出仅 $3.48/M |
| 开源自部署（7/27 后） | Kimi K3 | 最强开源权重 |
月之暗面在官方公告中明确承诺：7 月 27 日开放完整模型权重。一旦开放，Kimi K3 将成为：
模型以 MXFP4 权重 + MXFP8 激活量化感知训练，Hugging Face 上将出现量化版本，vLLM、SGLang、transformers 等主流框架预计 Day-0 支持。
关注时间节点：7 月 17–20 日（WAIC，更多发布预计）→ 7 月 27 日（K3 完整权重开源）。
Kimi K3 不是「参数堆砌」的面子工程。它在架构层面（KDA、AttnRes、Stable LatentMoE）做了真正的工程创新，在编程长任务、文档理解等关键赛道上对标乃至超越了部分闭源旗舰，定价合理，且承诺完整开源。这代表了中国 AI 开源生态的一个信号：不再是「以低价换市场」，而是在真正挑战智能前沿。
基准为月之暗面自报数据（2026 年 7 月 16 日）。能力与定价可能随时更新，请以官方文档为准。
可以。kimi.com 免费账号即可使用 K3；API 按量计费 $3/$15 per 1M tokens。
权重 7 月 27 日开放。生产推理需 64+ 加速卡超节点，非笔记本级部署。
K3 参数近翻倍、上下文 1M vs 128K、多项基准更强；DeepSeek 输出仅 $3.48/M，成本更低。
对整库分析、长文档、多轮 Agent 长记忆很实用；统一单价不因长度加价。
月之暗面称 low/high 模式将在后续更新推出；目前仅 max 可用。
Kimi K3 把「全球最大开源模型」从口号变成了可立即调用的 API，但 7 月 27 日权重开放后，真正想微调或自托管的团队仍需要大规模 GPU 集群——这与普通开发者在 Mac 上跑 Kimi Code、OpenClaw 多模型路由、或并行做 iOS 构建是两条线。若你主力机是 Windows/Linux，却要在真实 macOS 图形环境里验收 Kimi Code Agent、处理钥匙串授权或对照本文基准做团队选型，自购 Mac 成本高、纯 SSH 又点不了系统弹窗。租用 VNCMac 远程 Mac 可按小时开通 VNC 桌面，在隔离节点上对接 K3 API、跑长上下文编程任务并对照 Benchmark 验收，项目结束即停租。查看 Mac Mini M4 套餐 即可开始。