7 月 16 日，月之暗面（Moonshot AI）正式发布新一代旗舰大模型 Kimi K3，已在 Kimi App、Kimi Work、Kimi Code 和 Kimi API 上线，完整模型权重预计于 7 月 27 日前全部开源。官方称其为「全球首个开源的 3T 级（万亿参数）模型」。
一、核心规格：2.8 万亿参数，百万上下文，原生多模态
Kimi K3 采用混合专家（MoE）架构，参数规模达 2.8 万亿，上下文窗口 100 万 token，并具备原生视觉理解能力。模型共设 896 个专家，每次推理仅激活其中 16 个，配合官方称为 Stable LatentMoE 的框架控制推理成本。
架构上，K3 引入了两项关键更新：Kimi Delta Attention（KDA）混合线性注意力机制，以及 Attention Residuals（AttnRes）结构，分别优化长序列的信息流动和深层网络的信息传递。官方表示，相比上一代 Kimi K2，K3 的整体「扩展效率」提升约 2.5 倍。发布时提供两个变体：面向对话与智能体任务的 K3 Max，以及面向大规模并行处理的 K3 Swarm Max。
能力定位上，K3 主打长周期智能体（Agent）任务：能读取大型代码仓库、操作终端、调用工具，并根据截图、日志、测试结果持续修改代码，重点覆盖前端、游戏开发、CAD 等长链路工作。官方展示的案例包括：在单次 48 小时自主运行中用开源 EDA 工具完成一颗 4mm² 芯片的设计、优化与验证；从零构建一个类 Triton 的 GPU 编译器 MiniTriton；以及约两小时复现通常需要研究员一到两周的天体物理计算工作。
二、真实跑分：不是全面登顶，而是「多点开花」
最亮眼的是前端编程 ：在第三方榜单 Frontend Code Arena（arena.ai）上，Kimi K3 以 1,679 分排名第 1 ，超过第二名 Claude Fable 5（1,631）和第三名 GPT-5.6 Sol xHigh（1,618），把 GLM-5.2、Opus 4.8、Grok-4.5 等一众模型甩在身后。对一款开源模型来说，这是相当有分量的成绩。
▲ Frontend Code Arena 前端代码竞技场：Kimi K3 排名第 1（来源：arena.ai）
按月之暗面官方公布的基准数据，K3 的整体智能仍落后于两款最强闭源模型 Claude Fable 5 和 GPT-5.6 Sol ，官方对此并不讳言。但拆到单项测试，K3 在编程、智能体、视觉推理等多个基准上，能击败其中一款甚至两款闭源前沿模型------呈现出「不是处处第一、但胜点密集」的格局。以下为官方公布的部分核心跑分（数值越高越好，蓝色为 K3，加粗为该项最高）：
|----------------------|-----------------|-----------------|---------------------|------------------|-----------------|
| 基准测试 | Kimi K3 | Fable 5 | GPT-5.6 Sol | Opus 4.8 | GLM-5.2 |
| 编程 | | | | | |
| 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（长会话） | 42.0 | 35.0 | 39.0 | 40.0 | 13.0 |
| 智能体 | | | | | |
| BrowseComp（长上下文检索） | 91.2 | 88.0 | 90.4 | 84.3 | --- |
| Automation Bench | 30.8 | 29.1 | 29.7 | 27.2 | 12.9 |
| SpreadsheetBench 2 | 34.8 | 34.7 | 32.4 | 31.6 | 28.1 |
| GDPval-AA v2（Elo） | 1668 | 1760 | 1748 | 1600 | 1514 |
| 推理与知识 | | | | | |
| GPQA-Diamond | 93.5 | 92.6 | 94.1 | 91.0 | 91.2 |
| HLE-Full（带工具） | 56.0 | 63.0 | 58.0 | 57.9 | --- |
| 视觉 | | | | | |
| MathVision（带 python） | 97.8 | 98.6 | 97.8 | 97.1 | --- |
| OmniDocBench | 91.1 | 89.8 | 85.8 | 87.9 | --- |
▲ 编程基准跑分（蓝色为 Kimi K3，来源：月之暗面官方技术博客）
▲ 通用智能体与视觉智能体基准跑分（蓝色为 Kimi K3，来源：月之暗面官方技术博客）
可以看到几个亮点：在 Program Bench、SWE Marathon、BrowseComp、Automation Bench 等基准上 K3 直接登顶；在 Terminal Bench、GPQA 等测试上紧咬 GPT-5.6 Sol；短板则出现在 FrontierSWE、HLE、GDPval 等项目，与 Fable 5 仍有明显差距。第三方机构 Artificial Analysis 的综合智能指数给到 K3 约 57 分，与 Opus 4.8、GPT-5.5 同档，落后于 Fable 5 与 GPT-5.6 Sol。
三、真正的杀手锏是成本
K3 最锋利的地方不在跑分榜首，而在同等表现下的价格。据官方定价，Kimi API 调用价为缓存命中输入 0.30/百万 token、缓存未命中输入 3.00/百万 token、输出 $15.00/百万 token，得益于 Mooncake 的分离式推理架构，编程场景缓存命中率可超 90%，价格被业界评价为「与 Claude Sonnet 5 同级」。
在官方公布的「分数---成本」对比图中，K3 以最高思考强度跑 Kimi Code Bench 约 73% 的成绩，单任务成本约 3.5；而 Fable 5 以约 78% 的更高分，单任务成本接近 9。BrowseComp 的成本图更极端：K3 拿到 91.2 的 SOTA 分数，单任务成本不到 2，而其他模型达到各自分数需要 5～$27 不等。用接近顶尖的能力、几分之一的价格，配上开源可自部署------这才是 K3 对 OpenAI、Anthropic 闭源策略最直接的压力。
四、官方坦承的三个局限
月之暗面也在博客中列出了 K3 的已知问题，值得使用者留意：一是对思考历史敏感，若智能体框架未完整回传历史思考内容、或在会话中途从别的模型切到 K3，生成质量可能大幅波动，官方建议使用 Kimi Code 等已验证兼容的框架；二是过度主动，面对模糊指令时可能替用户做出预期外的决定，需要在系统提示中施加更明确的行为约束；三是整体用户体验与 Fable 5、GPT-5.6 Sol 相比仍有可感知的差距。
五、开源自部署，把「数据私有化」重新推上台面
K3 真正的行业意义在于它的开源姿态。由于以开放权重发布，企业可以把这样一款能力逼近顶尖闭源的模型下载到自己的硬件上私有化部署------既省成本，又能把核心数据牢牢留在内网。当然门槛不低：官方建议在 64 张及以上加速卡的超节点上部署，并采用 MXFP4 量化以兼容更广硬件。这也再次印证了一个趋势：数据不出域、模型自主可控，正从「合规要求」变成企业的「战略选择」。
而私有化部署从来不只是「把模型跑起来」，数据要真正留在企业手里，前提是内网本身够安全、够可控。围绕这一需求，万联 WanFlow 为企业提供安全内网搭建、分支互联与数据不出域的私有组网服务，让这张网看得清、管得住。
大模型的竞赛还在继续，但对多数企业而言，比追逐参数更实际的一步，或许是先把自己的网络与数据底座打牢。