Kimi K3：Moonshot AI 最新且最强的开源模型

Moonshot AI 宣布推出 Kimi K3——其 Kimi 模型系列中最新的旗舰，也是迄今发布的最大开源权重模型（2.8 万亿参数）。完整权重尚未公布。Moonshot 表示将在十天内发布。

不过，参数规模并非全部故事。Moonshot 是一家总部位于北京的初创企业，背后有阿里巴巴支持（如果您还记得的话，阿里也做 Qwen 模型，最新的是 Qwen 3.7），在 DeepSeek 等中国实验室扎堆的赛道上，它一直在努力提升存在感。 

从规模上看，K3 大约比 DeepSeek V4 大 75%。在 Moonshot 自家的基准上，它击败了 Claude Opus 4.8 和 GPT-5.5，但落后于 Claude Fable 5 和 GPT-5.6 Sol。 

真正值得关注的是定价。K3 的收费对标最前沿。这对美国实验室来说是个问题：如果一款中国模型能以同样的价格、提供接近的性能，就会动摇“高价即差异化”的假设。

什么是 Kimi K3？

我们前面提到了定价和背景。那么，我们到底知道哪些关于 Kimi K3 的信息——它如何构建，表现如何？

Kimi K3 尤其面向 Moonshot 所称的“前沿智能场景”，也就是长周期编码、知识工作和推理。

为此，它支持 100 万 token 的上下文窗口，以及原生视觉理解。后者意味着它可以直接接收图像与视频作为输入。

Kimi K3 有哪些新变化？

讨论最多的是表层能力：100 万 token 的上下文窗口与原生视觉理解，我已经提到过。 

为实现这些，Moonshot 在后端三大方面做了改动：

架构

该模型围绕两个新组件构建：Kimi Delta Attention（KDA），一种混合线性注意力机制，以及 Attention Residuals（AttnRes）。二者旨在帮助信息在长序列和深层网络中更可靠地传播。

此外，Moonshot 还在其 专家混合（MoE） 方案中进一步提升稀疏度，采用“稳定的 LatentMoE”框架，每次前向仅激活少量专家。结合训练与数据上的变化，Moonshot 称这使得 K3 的扩展效率约为其前代 K2 的 2.5 倍。

编码

Moonshot 将 K3 定位为擅长长周期工程工作的模型：在最少监督下维持多步骤任务、在大型代码库中导航，以及协同终端工具。

它还强调了一个特定细分场景——将编码与视觉推理结合，比如利用截图和视觉反馈来迭代游戏开发、前端工作或 CAD 任务。网上有不少 Kimi K3 的游戏开发示例，例如一款 纸片马里奥风格的游戏、一款飞机投递游戏，以及看起来像《光环》的作品。 

知识工作

Moonshot 表示，其内部评估（基于真实的代理协作工作流而非公开基准）显示，Kimi K3 的“max”变体在接近生产环境的知识工作任务上有稳定提升。

对于实际使用模型的人来说，这意味着更长的文档、代码库或视频可以作为单个输入提交，而无需切分再拼接；同一次请求也能无缝混合文本、图像和视频，无需额外管道。

如果这些效率增益能站得住脚，也意味着相较 K2，每一美元算力能获得更多能力。

面向开发者的 Kimi K3 API 新特性

API 文档为实际用它来构建应用的开发者提供了更清晰的变化图景：

• 始终开启的“思考”模式：K3 默认运行在思考模式，通过顶层参数 reasoning_effort 配置，而不是 K2 系列的旧 thinking 标志。目前仅支持 max 强度。

• 流式输出且可分离推理：流式响应会分别以增量形式输出 reasoning_content 与最终答案的 content，您可以选择展示或隐藏模型的思考过程。

• 视觉输入，不支持公共 URL：图像必须以 base64 或上传文件引用的方式发送；模型不接受普通图片 URL，视频需通过单独的文件上传处理。

• 结构化输出：支持带有 strict 模式的 JSON Schema 输出，但这只约束最终的 content 字段，不约束推理轨迹。

• Partial 模式：您可以用固定前缀“种子化”助理回复，并让模型从该处继续。这在您想强制特定开场时很有用。

• 动态工具加载：可以通过一条 system 消息在对话中途注入工具定义，自该点起在对话中生效。

• 自动上下文缓存：缓存自动进行，无需额外参数。

集成 API 时还需注意的其他限制：max_completion_tokens 默认 131,072，上限 1,048,576；且 temperature、top_p 等采样参数是固定的，无法配置。

Kimi 也非常擅长浏览器自动化任务。详见我们的Kimi 浏览器扩展教程。

Kimi K3 基准测试：目前所知

Moonshot 的发布材料现在确实包含真实的基准分数，但需注意，不同模型使用了不同的代理工具框架。K3 用的是 Moonshot 自家的 KimiCode；Claude 系列使用 Claude Code 或 Terminus 2；GPT 系列使用 Codex。因此这并非完全可比。各家模型都在自家最佳工具环境中测试。 

以下从三类指标看整体格局。

编码 

正如下图所示，K3 并未横扫编码基准，但几乎在各处都具备竞争力。它在 Program Bench 和 SWE Marathon 上领跑，在 Terminal-Bench 2.1 上与 GPT-5.6 Sol 仅差半分，并在大多数单项测试上领先 Opus 4.8。明显落后的地方是 DeepSWE 与 FrontierSWE，上面 Fable 5 和 GPT-5.6 Sol 领先。

成本调整后的性能 

在 Moonshot 自家的 Kimi Code Bench V2 图表中，K3 与 Opus 4.8 得分相近，但每个任务的成本大约是后者的一半；为那几分额外分数，Fable 5 的成本则远高于 K3。BrowseComp 的图表也类似：K3 得分高于 GPT-5.6 Sol 和 Claude Fable 5，但每个任务的成本只是它们的一小部分。

规模对照 

模型参数图颇有意思。它最直观地呈现了前文“最大开源权重模型”的说法：Moonshot 从 Kimi K2 的 1T 参数，一次发布就直接跃过 DeepSeek、小米等，来到 2.8T。

Kimi K3 与其他中国模型对比

以下是 Kimi K3 与当前国内其他在发模型的对比。总体看，中国开源权重赛道似乎在分化：DeepSeek、Z.AI 等仍在“性价比”维度竞争，而 Moonshot 则开始收取更高价格。

Kimi K3 vs. DeepSeek V4

DeepSeek V4 规模小于 K3，定价也远低于 K3。

K3 选择了不同路径：它更大，Moonshot 也相应提高了收费，而不是在价格上求胜。

Kimi K3 vs. Qwen

这个比较有意思，因为阿里同时支持 Moonshot，当然还有自家的 Qwen 系列。

不过二者不同：Qwen 的旗舰 Qwen 3.7 Max 并非开源权重。它是封闭、专有的，只能通过阿里自家产品或第三方 API 托管使用。阿里仍在发布较小的开源权重 Qwen 模型，但其顶级模型已转为闭源。

Kimi K3 vs. GLM-5.2 

GLM-5.2 更接近传统的国产开源打法：模型实力强，MIT 许可，定价远低于西方前沿标准。它比 K3 更小，也便宜很多，并以极高性价比、接近前沿的编码性能赢得口碑。

以下用 Artificial Analysis 的 Intelligence Index（由九项基准组成、以相同方式跨模型运行的综合分）作为度量，看看数据对比：

需要强调两点：Qwen 3.7 Max 这里作为参考包含在内，但正如前面所说，它并非开源权重，因此并非真正的同类对比，只是放表中做个参照。另外，各项独立第三方验证整体仍在跟进中，一切尚未尘埃落定。

Kimi K3 与美国大厂的对比

接下来，看看 Kimi K3 与 Anthropic、OpenAI 的封闭专有模型相比如何。

Kimi K3 vs. Claude Opus 4.8

Opus 4.8 已作为 Anthropic 旗舰数月；在 Moonshot 提供的数字上，K3 在多个单项基准（尤其是编码）略胜一筹。K3 在 Terminal-Bench 2.1 上得分 88.3，Opus 4.8 为 84.6。

更大的差别在于：Opus 4.8 是闭源的。K3 是开源权重，因此一旦权重放出，任何人都可以自托管、微调，或在不依赖 Moonshot 服务器的情况下运行。

如下图所示，K3 在 Intelligence Index 上以 1 分微弱领先 Opus 4.8，但其他方面差距更大：K3 的单任务成本约为其一半，且首个 token 的响应速度大约快 20 倍。

Kimi K3 vs. Claude Fable 5

Fable 5 是 Anthropic 最新且最强的模型，也是 K3 尚未追上的那一个。它在总体智能上明显领先，运行成本也高得多。Fable 5 的定价为每百万 token $10/$50，而 K3 为 $3/$15。但 K3 的卖点并非“与 Fable 5 一样好”，而是“用更少的钱，获得大部分能力”。 

如下图所示，Fable 5 在 Intelligence Index 上优势明显，原始输出速度上也略快于 K3。K3 的优势在于成本：其单任务成本约为 Fable 5 的三分之一。

Kimi K3 vs. GPT-5.5

在 Moonshot 自家基准上，GPT-5.5 略低于 K3，且定价与其他美国旗舰相近，明显高于 K3。

如下图所示，K3 在 Intelligence Index 上略胜 GPT-5.5，单任务成本也略低。GPT-5.5 在开始生成后 token 速率稍快，因此两者如何取舍取决于您更看重三者中的哪一项。

Kimi K3 vs. GPT-5.6 Sol

GPT-5.6 Sol 是本次对比中 OpenAI 最新且最昂贵的模型，在 Terminal-Bench 2.1 上它与 K3 基本打平：Sol 得分 88.8，K3 为 88.3。

更大的差异与 Opus 4.8 相同：Sol 是闭源权重，只能通过 OpenAI 自家产品（ChatGPT、Codex、API）使用；而 K3 是开源权重。一旦权重放出，任何人都能自托管或微调。

如下图所示，Sol 在 Intelligence Index 上略胜 K3，但 K3 在速度和成本两项上占优。

Kimi K3 的发布日期与定价

Kimi K3 现已上线，但尚未完全放开。模型已于昨日发布，今天即可通过 kimi.com、Kimi 移动应用、Kimi Work、Kimi Code，以及在模型 ID kimi-k3 下的 Kimi API 使用。它也已开始出现在 OpenRouter、OrcaRouter 等第三方路由上。

尚未发布的是开源权重本身。Moonshot 表示将在 2026 年 7 月 27 日前发布，同时公司正与推理合作伙伴和开源维护者协作，协调技术细节。在此之前，您可以通过 Moonshot 的托管服务使用 K3，但无法下载并自托管。 

我们建议订阅我们的每周 AI 时事通讯 The Median，便于及时了解此类模型发布动态。

在定价方面，尽管拥有 100 万 token 窗口，K3 采用按量计费的统一价，而非按上下文长度分层。Moonshot 官方费率为：缓存命中输入每百万 token $0.30、缓存未命中输入 $3.00、输出 $15.00——据称在典型编码工作负载中缓存命中率超过 90%，这在实践中能有效降低输入成本。

Kimi K3 的局限

Moonshot 在其技术博客中坦诚提到了一些局限：

• 对思考历史敏感：K3 的训练假设其完整推理轨迹在每轮都会被回传。如果某个 代理工具框架未正确处理——或在对话中途从其他模型切换到 K3——输出质量可能不稳定。Moonshot 建议坚持使用 Kimi Code。
• 过度主动：在任务含糊时，K3 倾向于替用户做决定而不是询问。如果需要它严格遵守边界，应在 system prompt 中明确说明。
• Moonshot 自述的用户体验差距：模型卡明确写道：“与 Claude Fable 5 和 GPT 5.6 Sol 相比，K3 在用户体验上仍存在明显差距”——这在发布材料中罕见地承认了竞品在打磨上的优势。
• 网页搜索不稳定：Moonshot 明确不建议当前依赖 K3 的网页搜索功能，称该功能正在更新。

结语

Kimi K3 是迄今发布的最大开源权重模型。它采用全新的注意力架构，直指长上下文与代理类工作负载。在目前公开的基准上，它并非全场最强——Fable 5 和 GPT-5.6 Sol 都略胜一筹——但在编码、代理与多模态任务上竞争力极强，且成本仅为其一部分。

这也是全文的主线：K3 并不试图在每个项目上夺冠，而是要让“价格—能力”的权衡难以忽视，就像当年的 DeepSeek R1 与近期的 GLM-5.2——只不过这次，Moonshot 选择以前沿价位来实现，而非打折价。