7 月 16 日，北京 AI 公司月之暗面（Moonshot AI）发布 Kimi K3。这款混合专家（Mixture-of-Experts，MoE）模型拥有 2.8 万亿参数、100 万 token 上下文窗口和原生多模态能力，已通过网站和 API 提供服务。公司将其定位为约 3 万亿参数规模的开放模型，完整权重将在稍后发布。
据发布时的榜单报道，Kimi K3 在 Arena.ai 的 Frontend Code Arena 前端编程评测中以 1679 分位居第一，在 7 个细分领域中有 6 个排名第一，高于 Claude Fable 5（1631 分）和 GPT-5.6 Sol（1618 分）。相比 Kimi K2.6 当时的第 18 名，新模型在这一类任务上的表现明显提高。
月之暗面在技术博客中同时表示，K3 的整体表现仍落后于 Claude Fable 5 和 GPT-5.6 Sol。前端编程之外，知识问答、软件工程和长程任务需要分别比较。
K3 如何处理长上下文、深层网络和专家路由
Kimi K3 的架构更新主要涉及三个方面：
Kimi Delta Attention（KDA） 是线性注意力模块，用于提高长上下文的推理效率。团队此前在 Kimi Linear 论文中报告，在百万 token 上下文下，混合注意力模型的解码吞吐最高约为全 MLA 注意力对照模型的 6 倍。这是前期架构实验的结果；K3 采用 KDA，目标同样是降低处理大型代码库和长文档的开销。
Attention Residuals（AttnRes） 调整信息在模型不同深度之间的传递方式。它通过有选择地读取前面各层的表示，替代标准残差连接的逐层累加。月之暗面今年早些时候已将这项方法独立公开，希望借此改善深层网络的信息利用和训练效率。
Stable LatentMoE 用于支持更稀疏的专家路由。K3 拥有 896 个专家，每个 token 激活其中 16 个。专家数量增多后，需要避免任务分配失衡。Quantile Balancing 方法直接根据路由分数的分位数推导专家分配，省去启发式更新和一个敏感的平衡超参数。月之暗面称，架构、训练和数据方法的共同改进，使 K3 的整体扩展效率约为 K2 的 2.5 倍。
此外，K3 从监督微调阶段开始采用量化感知训练，使用 MXFP4 权重和 MXFP8 激活值，在训练时适应低精度运行的约束。
前端编程排名靠前，综合评测仍落后于最强模型
按发布时报道援引的 Artificial Analysis Intelligence Index v4.1 结果，Kimi K3 得分 57.1，低于 Claude Fable 5（59.9，测试含回退至 Opus 4.8 的情况）和 GPT-5.6 Sol Max（58.9），略高于 Claude Opus 4.8（约 56）。这些数值对应当时的测试版本和配置。
不同测试反映了不同的能力和限制：
- 前端代码：Frontend Code Arena 当时排名第一，1679 分，7 个细分类别中有 6 个排名第一，游戏类别落后于 Fable 5。榜单依据用户对生成结果的偏好投票。
- 综合与办公任务：发布时报道列出的 BenchLM BenchAlign 聚合分数为 80.96（Fable 5 为 83.68），这是汇总已有评测的综合指标。月之暗面公布的 OfficeQA Pro 测试中，K3 得分为 63.3%，高于 Fable 5 的 57.9%。
- 软件工程：月之暗面公布的 SWE Marathon 得分为 42.0。该组测试使用适配 H20 的任务分支，不同模型还涉及不同的 Agent 工具配置，需要结合测试条件比较。
- 网页盲测的适用范围：用户偏好可以反映网页效果与任务完成度，仍需另外检查代码的正确性、维护成本和安全性。
- 不足之处：Artificial Analysis 的知识问答评测显示，K3 相比上一代答对更多问题，但幻觉率也上升。公司整体评测中，它在部分复杂推理任务上仍落后于 Fable 5。
The Decoder 对官方评测的概括是，K3 接近 GPT-5.6 Sol 和 Fable 5，并领先表中其他系统。这个判断描述的是所列测试的总体趋势，具体选型还要看目标任务的结果。
K3 API 输入每百万 token 3 美元，输出 15 美元
Kimi K3 的 API 定价为每百万 token 未命中缓存的输入 3 美元、输出 15 美元、缓存命中的输入 0.30 美元。以 Kimi K2.5 当时每百万输入 0.60 美元、输出 3 美元的价格为基准，K3 的这两项单价均为其五倍；缓存价格需要另行比较。
K3 选择了比此前模型更高的单价，希望用更强能力争取客户。The Decoder 将此解读为中国厂商不再只提供低价模型。对于用户，更实际的比较是完成同一项任务所花的费用，其中还包括推理输出量、缓存命中率和重试次数。
Kimi 产品中的 K3 Max 面向对话和 Agent 任务，K3 Swarm Max 面向大规模搜索和批量处理。这里的 Max 表示推理强度，Swarm 表示多 Agent 协作模式，分别对应产品中不同的使用方式。
完整权重计划于 7 月 27 日前开放
月之暗面承诺在 7 月 27 日前发布完整权重。公司称其为首个约 3 万亿参数级别的开放模型，实际参数量为 2.8 万亿；相比 DeepSeek V4 Pro 的 1.6 万亿，规模约为 1.75 倍。完整权重可下载后，具备硬件条件的团队才能自行部署验证。
当时的明确承诺涉及模型权重，完整训练数据、代码和流程会开放到什么程度，仍需看后续材料。Simon Willison 的首发体验也区分了已经可用的网站/API 与尚待发布的权重。自行运行模型、审查模型行为，以及完整复现训练过程，所需的公开材料各不相同。
K3 发布同期，其他模型与算力项目也受到关注
K3 发布同期，Bloomberg 报道 Google Gemini 3.5 Pro 因编码表现等问题再次推迟。相关消息影响了投资者预期，当时报道估算 Alphabet 市值下跌约 2000 亿美元。这也使市场更关注各家新模型的编码能力。
同一周的消息还包括：DeepSeek V4 稳定版计划于 7 月 24 日发布，华为在 WAIC 展示 Atlas 950 SuperPoD 超算集群，WAICO 全球 AI 合作组织的成立消息，以及中国有限进口 H200 芯片的相关报道。这些事件分别涉及模型、基础设施、国际合作与设备采购。
这些进展显示，中国 AI 企业和相关机构正在同时推进模型研发、算力建设与合作安排。对模型用户而言，产品选择可能增加；各款模型能否降低使用成本，还要看能力、服务价格及交付情况。
权重发布、幻觉和并行任务表现仍需检验
采用 K3 前，还需要关注几个问题。
第一，完整权重的实际发布。截至服务上线时，承诺期限尚未到来，部署方式和许可条件仍需结合发布材料确认。
第二，独立验证还在早期。当前公开结果主要来自月之暗面和 Artificial Analysis 等第三方平台，更完整的复现、行业任务测试和对抗性评估仍需积累。
第三，知识问答的可靠性。The Decoder 转述的是 Artificial Analysis 的测试：K3 相比 K2.6 的幻觉率有所增加。使用者仍需核查关键结论，不能仅凭模型规模推断回答更可靠。
第四，K3 Swarm Max 的并行任务表现。用户还需要了解不同任务规模下的完成率、延迟和费用，产品中的多 Agent 协作也不同于模型在多台服务器上的推理部署。
第五，先进算力的供应。美国出口管制及设备采购条件，会影响月之暗面的后续训练和服务扩容。研发进展可以提高现有资源的利用效率，长期供给仍需要持续关注。
K3 增加了模型选择，实际价值要看任务表现与部署成本
Kimi K3 在前端编程和部分知识工作测试中，缩小了与领先闭源模型的差距。它为希望采用开放权重模型的用户增加了一项选择，但具体优势需要放到实际工作任务中验证。
随着 K3 权重和 DeepSeek V4 稳定版按计划推进，企业用户可以继续比较模型质量、任务费用与部署条件。能力更强的模型是否值得更高单价，最终还要由完成工作的效率和可靠性来回答。
