21世纪经济报道记者雷晨
7月27日晚，月之暗面正式发布Kimi K3技术报告，并同步开放完整模型权重。
作为总参数达2.8万亿、激活参数约1040亿的大模型，Kimi K3凭借在核心架构上的原始创新，在多项评测中展现出逼近全球顶尖闭源模型的性能。
7月28日，K3模型即获海内外数十家AI基础设施厂商的首日（Day0）适配，引发了全球开发者社区的强烈反响。
值得注意的是，Kimi K3采用了专门的许可证，为商业化应用设定了门槛。
训练效率跃升
Kimi K3的技术底座与上一代Kimi K2相比有明显变化。技术报告显示，该模型采用了三项核心架构设计：Kimi Delta Attention（KDA）、Attention Residuals（AttnRes）以及Stable LatentMoE框架。
KDA是一种线性注意力机制，它将传统Transformer中随序列长度增长的KV缓存替换为固定大小的循环状态，从而在1M上下文窗口下保持较低的计算开销。Attention Residuals则允许每一层网络选择性检索前面所有层的表征，改善了信息在深度网络中的流动效率。在MoE设计上，Kimi K3将路由专家数量扩展到896个，每个token激活其中16个，配合2个共享专家，实现了约56倍的稀疏比例。
月之暗面企业业务负责人黄震昕此前在接受媒体群访时介绍，围绕token efficiency，团队自研了Moon Clip新型二阶优化器，Kimi团队在全球首次将其落地到大模型训练中。简单理解Moon Clip的效果：原本需要40T数据才能达到的训练效果，现在只用20T训练数据就能实现。目前全球可使用的优质训练数据基本已经挖掘殆尽，这项技术能带来两大价值：一是有限的数据可以激发出模型更高的智能水平；二是想要达到相同性能，模型训练成本、训练计算量（FLOPs）直接减半。
从技术报告披露的缩放曲线来看，上述架构和工程改进共同带来了约2.5倍于Kimi K2的整体缩放效率提升。模型包含93层，其中69层为KDA注意力层，24层为Gated MLA层。
在视觉能力方面，Kimi K3的视觉编码器MoonViT-V2是一个约4亿参数的视觉Transformer。与以往做法不同，该编码器从头开始通过下一token预测训练，而非从SigLIP等对比预训练模型初始化。月之暗面团队表示，这种方式在训练稳定性上表现更优，且最终视觉评测结果与SigLIP初始化的基线相当。
在训练基础设施方面，月之暗面开源了支撑Kimi K3训练的三项关键Infra技术：MoonEP、FlashKDA和AgentEnv。MoonEP是为超大细粒度MoE设计的高性能通信库；FlashKDA是KDA的高性能算子；AgentEnv是与KVCache.ai合作开发的沙箱系统。
在量化方面，Kimi K3从监督微调阶段起就采用了量化感知训练，专家权重使用MXFP4格式，激活值使用MXFP8格式，以降低部署时的显存占用。
评测表现亮眼
Kimi K3的评测结果显示，其在与主流闭源模型的竞争中具备一定竞争力。
在研究生级科学问答GPQA Diamond上，Kimi K3得分93.5%，落后于GPT-5.6 Sol的94.1%，略高于Claude Fable 5的92.6%。在更具挑战性的HLE-Full评测中，无工具辅助下Kimi K3得分为43.5%，低于Claude Fable 5的53.3%和GPT-5.6 Sol的44.5%。
在编程能力方面，Kimi K3在ProgramBench上以77.8%得分位居第一。在DeepSWE评测中得分为67.5%，落后于GPT-5.6 Sol的73.0%和Claude Fable 5的70.0%。在SWE-Marathon这一面向GPU内核优化的评测中，Kimi K3以42.0%领先于Claude Fable 5的35.0%和GPT-5.6 Sol的39.0%。
值得关注的是Kimi K3的成本效率表现。据技术报告披露，在Kimi Code Bench 2.0上，Kimi K3得分比Claude Fable 5低约4个百分点，但推理成本仅为后者的38%。在BrowseComp上，Kimi K3以每任务约2.03美元的成本获得最高分。这一“高性价比”特质，证明了开源模型在保证顶尖性能的同时，能够以远低于闭源模型的成本运行，为开源商业路线提供了可行性样本。
在第三方评测方面，Kimi K3在Artificial Analysis的智能指数v4.1中以57.1分位列第四；在Vals AI的行业基准中，以74.7%位列第二；在WebDev Arena中，Kimi K3以1678 Elo排名第一，是该榜单首个登顶的开源模型。
关于开源与闭源路线之争，黄震昕曾在群访中表示，开源和闭源不存在相互竞争、非此即彼的对立关系，二者面向不同客户需求，在市场上都有存在价值。很多企业有私有化部署、基于开源模型微调的需求，这是开源路线的核心价值；闭源则主打顶级SOTA模型能力。他同时强调，Kimi依托自研底层技术，在Code等多项权威榜单中达到全球SOTA水平，同时没有陷入行业价格战，希望向全球市场证明中国自研、开源属性的大模型不需要靠低价内卷。
多家厂商Day0适配
Kimi K3开源后迅速引爆开发者社区。Hugging Face CEO发文称，模型在30分钟内获得超4000个赞，登顶平台趋势榜榜首。北美AI基础设施创企OsmanticAI创始人将其称为本地版Fable 5；美国AI创企Cognition宣布Kimi K3接入Devin桌面客户端与命令行工具，并表示在FrontierCode 1.1评测基准上，Kimi K3是其测试过的首款性能逼近前沿水准的开源模型。
开源当天，海内外多家厂商宣布Day0适配。
国内方面，阿里云真武M890超节点实例完成对Kimi K3的首日全面适配，成为国内首个跑通近3万亿参数模型的超节点。阿里云、平头哥与Kimi团队从软件栈、算子等层面进行了深度联合适配，优化后首token时延降低约35%，单卡解码吞吐提升1.8倍，可稳定支持1M长上下文。千问AI平台和阿里云百炼也将提供Kimi K3的模型API。
华为昇腾同步实现Day0全链路适配，依托Atlas系列算力硬件、MindSpeed MM训练套件、vLLM Ascend与SGLang推理引擎，完整覆盖模型训练复现与线上推理部署。
海外方面，Nebius、Baseten、Fireworks等AI基础设施厂商同步宣布支持。vLLM和SGLang两大开源推理框架均提供首日支持，开发者拿到权重即可直接部署。
模型热度高涨的同时，Kimi K3的许可证设计引发了业内关注。协议允许免费使用、修改和分发，但设置了明确的商业化门槛：如果使用方的模型即服务业务连续12个月总收入超过2000万美元，需与月之暗面签署额外商业协议；如果基于Kimi K3的产品月活用户超过1亿或月收入超过2000万美元，需在界面中显著标识Kimi K3名称。内部使用和通过月之暗面官方产品访问不受此限。
换言之，底层开发者免费使用；中型企业通过官方API按token付费；顶层超大客户签署单独协议。
据行业测算，国内头部云厂商的单条大模型API产品线，年收入跨过2000万美元后，边际成本开始陡降，毛利率从负转正。云厂商部署开放权重后以API形式对外售卖，定价可比官方低20%至40%。
多位业内人士对记者指出，单独协议涉及的内容可能包括收入分成比例、品牌露出要求、技术支持费用、优先更新权或排他性条款。
