昨天凌晨，月之暗面甩出了 Kimi K3。

我本来已经躺下了，刷到消息又爬起来折腾了两个小时。简单说结论：这次不是常规迭代，是国产开源模型第一次在多个公开榜单上站到全球第一的位置。

马斯克都在评论区留了一句"Impressive"——能让马斯克点赞的国产模型，说实话不多。

下面聊聊这次 K3 到底强在哪、架构上做了什么、以及普通开发者怎么最快用上。

---

一、先看硬数据：K3 强在哪？

不绕弯子，直接上核心参数：

维度	Kimi K3	对比
参数规模	2.8 万亿（2.8T）	全球最大开源模型，超 DeepSeek V4（1.6T）和文心 5.0（2.4T）
上下文窗口	100 万 Token	长文本场景碾压级
多模态	原生支持视觉理解	不是外挂 vision，是原生多模态
MoE 结构	896 个专家激活 16 个	极致稀疏，激活率不到 1.8%
开源	7月27日前发布完整权重	开放权重模式

性能榜单方面，两个值得关注的：

• Code Arena（编程能力盲测）：K3 拿了 1679 分，全球第一，超过了 Claude Fable 5（1631 分）和 GPT-5.6 Sol（1618 分）。这个榜单是百万级用户公开盲测出来的，刷不了分。
• Artificial Analysis Intelligence Index（综合能力）：K3 拿了 57 分，排名第三，仅次于 Claude Fable 5 和 GPT-5.6 Sol，但已经压过了 Claude Opus 4.8 和 GPT-5.5。

翻译一下：在最核心的编程能力上，K3 已经是全球最强（含闭源）；综合能力进了全球前三，跟顶级闭源旗舰打了个有来有回。

这对一个开源模型来说，是质变。

---

二、架构解析：K3 凭什么能 Scaling 上去？

这次 K3 最有意思的不是参数堆到 2.8 万亿——堆参数谁都会，难的是堆上去之后还能高效跑起来。K3 在架构上做了几个我认为值得单独拎出来讲的设计。

1. KDA + AttnRes：双支柱注意力

K3 的注意力机制不是简单套用现成方案，而是自研了两个模块：

• KDA（Kimi Delta Attention）：混合线性注意力机制，解决长序列 scaling 的计算效率问题。100 万 Token 上下文能跑起来，KDA 是地基。
• AttnRes（Attention Residuals）：注意力残差。传统 Transformer 是逐层累积表征，AttnRes 改成"跨深度选择性检索表征"，不再均匀累积。

这两个加在一起，官方说法是"为万亿参数以上的 scaling 奠定了根基"。翻译成人话：这套架构不是为 K3 设计的，是为 K4、K5 之后的更大规模铺路的。

2. Stable LatentMoE + Quantile Balancing

MoE（混合专家）部分，K3 用的是 896 选 16 的极端稀疏结构——激活率不到 1.8%。这个稀疏度带来的问题是：路由和负载均衡会变成一阶难题。

K3 的解法是 Quantile Balancing：

python

# 传统 MoE 负载均衡：基于启发式更新 + 敏感的超参
# K3 Quantile Balancing：直接从路由分数分位数推导专家分配
# 消除了启发式更新和一个敏感的均衡超参数

简单说，就是不再靠人工调超参来平衡专家负载，而是让路由分数自己说话。这在 896 个专家的规模下是必须的——靠人调参根本调不过来。

3. Per-Head Muon + SiTU + Gated MLA

这几个是优化训练和激活控制的：

• Per-Head Muon：把 Muon 优化器扩展到注意力头级别，每个头独立优化，大规模训练更自适应
• SiTU（Sigmoid Tanh Unit）：新的激活函数，改善激活控制
• Gated MLA：门控多头潜在注意力，提升注意力选择性

整体效果：官方说 K3 相比 K2 的整体扩展效率提升约 2.5 倍。也就是说，同样算力下，K3 能做到 K2 的 2.5 倍规模的效果。这才是 K3 真正可怕的地方——不是参数大，是参数效率高。

---

三、价格：能不能打得起？

说完了技术，聊点现实的。

项目	Kimi K3 价格
输入（缓存命中）	¥2 / 百万 Token
输入（未命中）	¥20 / 百万 Token
输出	¥100 / 百万 Token

第三方机构 Artificial Analysis 测算，K3 单任务成本约 0.94 美元，跟 GPT-5.6 Sol（1.04 美元）接近，大约是 Claude Opus 4.8（1.80 美元）的一半。

而且月之暗面用了 Mooncake 分离式推理架构，编程场景缓存命中率超过 90%——意味着实际使用中，大部分输入都走 ¥2 的缓存价。

对开发者来说，这个价格 + 这个能力，性价比是拉满的。

---

四、能力场景：K3 不只是"能聊天"

这次 K3 的定位很明确：长程编程、知识工作、推理。不是又一个聊天机器人，是冲着 Agent 和复杂任务去的。

几个官方展示的真实案例，挺能说明问题：

案例 1：芯片设计 K3 在 48 小时内自主设计了一块芯片——用开源 EDA 工具、Nangate 45nm 工艺库，完成了构建、优化、验证全流程。4mm² 面积，100MHz 时序收敛，8700+ tokens/s 仿真吞吐。"一个模型为自己设计的模型造芯片"，这个闭环挺魔幻的。

案例 2：科研代码复现 K3 用大约 2 小时完成了通常需要研究者 1-2 周的工作——复现计算天体物理中的 I-Love-Q 普适关系。交叉验证了 20+ 篇论文，实现完整数值流水线，评估 300+ 个状态方程，生成了 3000+ 行 Python 代码，还产出了一个交互式 HTML 可视化看板。

案例 3：视频编辑 K3 的原生多模态架构能理解文本、图像、视频。它从 56 个原始素材片段中自己剪辑了发布会预告片——选片、动作匹配剪辑、帧级节拍同步、音频处理，一条龙。这种视频，熟练剪辑师要 1-2 天，新手要 3-5 天。

---

五、怎么用上 K3？

官方渠道（即日起可用）：

• kimi.com 网页版
• Kimi 手机 App（最新版）
• Kimi Work 桌面客户端
• Kimi Code
• Kimi API（platform.moonshot.cn）

开源权重：7月27日前发布完整模型权重，届时可以本地部署。

如果你不想一个个平台折腾——说实话，现在 AI 模型迭代太快了，K3 今天第一，明天可能又被别的模型反超。普通用户和开发者真正需要的，是一个能一站式对比、随时切换的聚合平台。

我自己最近常用的是 星途 AI，它聚合了 500+ 个 AI 模型，K3 这类新模型上线后基本都能第一时间体验到。好处是你可以同一个 prompt 丢给 K3、Claude、GPT 几个模型同时跑，横向对比谁更适合你的场景——毕竟榜单分数是平均分，具体到你自己的任务，哪个模型好使只有试了才知道。

传送门：星途

除了文本模型，星途上还集成了 Sora 2、Veo 3.1、Midjourney、GPT Image 2 这些视频和图像生成模型。写完代码想配个封面图、做个 demo 视频，不用来回切十几个平台，一个地方搞定。对独立开发者和内容创作者来说，这个整合度挺省心的。

---

六、几个判断

最后说几个我自己的判断，不一定对，供参考：

1. 开源 vs 闭源的差距，正在被抹平。

K3 在 Code Arena 超过 Claude Fable 5 和 GPT-5.6 Sol，说明在编程这个最硬核的赛道上，开源已经追平甚至超过了闭源。综合能力还差一点点（第三 vs 前两名），但差距已经小到普通用户感知不到。

2. MoE 稀疏化是万亿规模时代的必选路线。

K3 的 896 选 16、DeepSeek 的路线、Llama 的路线，都在往极端稀疏走。Dense 模型在万亿规模下算力成本扛不住，MoE 是唯一解。K3 的 Quantile Balancing 给了一个很好的工程范式。

3. 国产模型的竞争力，已经从"中文场景"扩展到"全球通用"。

以前说国产模型强，默认限定在中文场景。K3 在英文编程盲测里拿了全球第一，说明能力是通用的。月之暗面 API 收入超七成、ARR 突破 3 亿美元、估值 315 亿美元——这些数字背后是海外开发者在用真金白银投票。

4. 对开发者来说，现在是"多模型并行"的时代。

没有哪个模型在所有场景都最优。K3 编程强、Claude 推理稳、GPT 通用广、Midjourney 出图好……与其纠结"选哪个"，不如用一个聚合平台把主流模型都接上，按场景调用。

这也是我推荐 星途 AI 的原因——不是因为它某个单点最强，而是因为它让你不用做选择题。 500+ 模型一个入口，K3、Claude、GPT、Sora 2、Midjourney 随时切换，按需付费。在这个模型迭代以周计算的年代，灵活比押注更重要。

---

写在最后

K3 发布那天，有人感慨"中国 AI 终于不用只追着别人跑了"。这话有点煽情，但某种程度上是事实。

从 2023 年 Kimi 上线引领长上下文，到 K2 转向 Agent，再到 K3 在多个榜单登顶——三年时间，月之暗面走出了一条"先长板、再补全、再超越"的路线。

7月27日完整权重开源后，社区会怎么 fork、怎么微调、怎么玩出花，我挺期待的。

如果你也想第一时间体验 K3 和其他主流模型，可以去 星途 AI 试试，省得满世界找 API key。