Kimi K3 全面開源：2.8萬億參數、百萬上下文，月之暗面這次放了什麼大招

一句話定義：2026 年 7 月 27 日，月之暗面正式開放 Kimi K3 完整權重——2.8T 總參數、稀疏 MoE 架構下 896 個專家 / 每次推理啟用 16 個（啟用參數約 104B）、100 萬 token 上下文。這是迄今參數規模最大的可下載開源權重，也是首個突破 2 萬億門檻的開放模型。

關鍵時間線：

• 2026-07-16：API 與 Kimi.com 悄然上線 K3，無大型發布會；
• 2026-07-17 至 20 日：WAIC 2026 世界人工智慧大會，K3 成中國 AI 陣營焦點；
• 2026-07-24 至 25 日：白宮指控 K3 蒸餾 Claude、獨立研究者發現 K3 自稱 Claude——詳見本站蒸餾門全解；
• 2026-07-27：Hugging Face 釋出完整 MXFP4 權重，同步 vLLM / SGLang 推理支援；
• 距 API 上線僅 11 天，外部研究者終於可獨立驗證架構與跑分。

開發者當前面臨的核心痛點：

• 權重空窗期：7 月 16 日至 27 日僅能透過 API 試用，無法審計模型內部行為或做私有化微調；
• 自架硬體門檻：完整權重推理需 64+ GPU 超節點，遠超一般企業算力預算；
• 授權模糊地帶：「開放權重」≠「開源」，$2000 萬 MaaS 營收門檻與 1 億 MAU 歸屬條款讓商用合規複雜化；
• 地緣合規風險：中美蒸餾爭議疊加，企業選型需同時評估技術與供應鏈；
• 競品追趕：阿里 Qwen3.8-Max-Preview 同期發布，開源賽道不再是一家獨大。

11 天的權重空窗，讓 K3 在「強到可疑」的質疑聲中完成了 API 搶佔；7 月 27 日的釋出，則把驗證球踢回開源社群——是工程創新，還是蒸餾產物，權重會說話。

Kimi Delta Attention（KDA）

傳統 Full Attention 在長上下文下 KV 快取記憶體呈平方級成長。KDA 是混合線性注意力機制，以 3:1 比例交替線性層與全注意力層，KV 快取記憶體減少高達 75%，百萬 token 解碼速度提升 6.3 倍。

Attention Residuals（AttnRes）

AttnRes 改造殘差連接，引入選擇性檢索——模型可跨越深度直接拉取更早層的高價值表徵，訓練效率提升約 25%，額外計算開銷不足 2%。

Stable LatentMoE 與 Per-Head Muon

K3 共 896 個專家，每次推理啟用 16 個（稀疏度 1.8%），啟用參數約 104B。配套技術如下：

MoonEP、FlashKDA 與 AgentEnv 推理基礎設施

月之暗面同步開源推理棧三件套，支撐 K3 在 Agent 場景下的低延遲部署：

• MoonEP：Expert Parallelism 通訊最佳化框架，降低 MoE 跨節點 All-to-All 開銷；
• FlashKDA：KDA 算子的 CUDA/Triton 融合實作，長上下文解碼吞吐提升可觀；
• AgentEnv：標準化 Agent 工具呼叫與沙箱執行環境，對接 Kimi Code 類 coding agent 工作流。

綜合架構創新，K3 相較 Kimi K2 整體擴展效率提升約 2.5 倍——這解釋了為何 2.8T 級模型能在 11 天內從 API 過渡到可部署權重。

解讀重點：

• SWE-bench Verified（93.4%）：測量真實 GitHub 倉庫 Bug 修復，K3 在開源權重中位居前列，逼近閉源 Fable 5；
• SWE Marathon（42.0）：持續長程式碼任務第一，最接近真實「寫程式碼數小時」場景；
• Artificial Analysis Index（~57）：綜合智慧指數排名第四，緊隨 Fable 5 與 GPT-5.6 Sol；
• Qwen3.8-Max-Preview：阿里同期發布，SWE-bench 約 88%，在開源陣營形成直接競爭。

上述為 Moonshot 自報資料，各模型使用不同推理 harness（K3 用 Kimi Code，GPT 用 Codex，Claude 用 Claude Code）。7 月 27 日權重釋出後，獨立第三方復現仍在進行中。

授權條款：開放權重 ≠ 開源

K3 採 Modified MIT 授權，關鍵限制如下：

K3 標準價與 Claude Sonnet 5 持平（$3/$15），但上下文為 5 倍；程式設計場景快取命中率超 90%，實際有效輸入成本可降至約 $0.55/M。三檔定價：$0.30（快取命中）/ $3（標準輸入）/ $15（輸出）每百萬 token。

七步立即接入 Kimi K3：

1. 網頁/App 零門檻試用：造訪 kimi.com，Google 帳號註冊，K3 預設最大推理力度執行。
2. 申請 API Key：在 platform.kimi.ai 建立金鑰並儲值。
3. 設定 OpenAI 相容客戶端：設定 base_url="https://api.moonshot.ai/v1"，模型 ID 為 kimi-k3。
4. 發送首條測試請求：用短 prompt 驗證連通性與延遲。
5. OpenRouter 備選：已有 OpenRouter 帳號可直接呼叫 moonshotai/kimi-k3，官方定價無加價。
6. 下載權重並評估自架：從 Hugging Face 拉取 MXFP4 權重，搭配 vLLM/SGLang + MoonEP；完整 FP 推理需 64+ GPU 超節點，量化版門檻略低但仍需企業級叢集。
7. 審查授權合規：若計劃以 MaaS 形式對外提供 K3 推理，確認年營收是否觸及 $2000 萬門檻及 MAU 歸屬要求。

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": "幫我分析這段程式碼..."}]
)

可引用硬核數據（Moonshot 官方，2026-07-27）：

• 總參數量：2.8 萬億，全球最大開放權重，超越 DeepSeek V4 Pro（1.6T）近 75%
• 啟用參數：104B（896 專家 / 啟用 16 個 = 1.8% 激活率）
• SWE-bench Verified：93.4%，開源權重模型最高分之一
• Artificial Analysis Index：約 57 分，綜合智慧排名第四
• KDA 效率：KV 快取減 75%，百萬 token 解碼快 6.3 倍
• API 三檔定價：快取命中 $0.30 / 標準輸入 $3 / 輸出 $15 每百萬 token
• 自架門檻：完整 FP 推理需 64+ GPU 超節點；MXFP4 量化版搭配 MoonEP 可降低通訊開銷
• 釋出時間線：API（7/16）→ 權重（7/27），間隔僅 11 天

Q：Kimi K3 是開源還是開放權重？
A：開放權重（Open Weight），非完整開源。Moonshot 釋出權重與推理程式碼，但未公開訓練程式碼與資料集。商用需遵守 Modified MIT；年 MaaS 營收超 $2000 萬或 MAU 超 1 億有額外條款。

Q：本地部署需要多少 GPU？
A：完整 FP 權重需 64+ 加速卡超節點；MXFP4 量化版門檻略低，但仍遠超消費級硬體。多數團隊應優先 API 或 OpenRouter。

Q：K3 真的蒸餾了 Claude 嗎？
A：截至 7 月 28 日仍是有爭議、未被最終證實的指控。7 月 27 日權重釋出後，社群可審計權重結構；但 Ryan Greenblatt 發現 K3 自稱 Claude 並吐出內部版本號的統計證據仍待解釋。詳見蒸餾門全解。

Q：K3 與 Qwen3.8-Max-Preview 怎麼比？
A：K3 參數 2.8T vs Qwen 約 1T+，SWE-bench Verified 93.4% vs ~88%，上下文 1M vs 256K；Qwen 定價更低（$2.50/$10），適合成本敏感且不需極長上下文的場景。

Q：1M 上下文真的實用嗎？
A：整庫分析、長篇法律/科研文件、多輪 Agent 記憶場景價值顯著；K3 統一定價無長度附加費。

Q：WAIC 2026 對 K3 釋出有什麼影響？
A：WAIC 期間 K3 成中國 AI 旗艦展示，7 月 27 日按時釋出權重強化了「說到做到」的信譽——也讓全球開源社群首次能獨立驗證此前僅存在於 API 的跑分。

Kimi K3 全面開源不是參數堆砌的面子工程——KDA、AttnRes、Stable LatentMoE、MoonEP 代表真實工程創新；SWE-bench Verified 93.4% 與 Artificial Analysis 指數約 57 證明其在程式設計 Agent 賽道對標乃至超越部分閉源旗艦。11 天從 API 到權重的節奏，則向全球宣示：中國 AI 開源生態正從「低價換市場」轉向「挑戰智慧前沿」。

純 API 呼叫雖可快速接入 K3，但面臨長上下文 Agent 在共享 VPS 上記憶體不足、多輪 coding 流水線缺乏 7×24 穩定宿主，以及64 GPU 超節點自架成本動輒數百萬美元三大隱性成本。對於需要持續執行 Kimi Code 類 Agent、整庫分析與 MCP Server 的生產環境，JEXCLOUD 多區域裸機 Mac是更優解：獨占 Apple Silicon 統一記憶體、無超賣抖動、launchd 常駐 Agent 閘道，120 秒交付。節點與價格見 JEXCLOUD 定價頁。