当大模型的总参数冲到2.8万亿，真正的看点不再只是规模，而是每次生成只激活896个专家中的16个。Moonshot AI推出Kimi K3，把100万token上下文、原生视觉和长程智能体能力放进同一架构，并承诺在7月27日前开放完整权重。它试图证明，超大模型也能通过极致稀疏化进入开放生态。

快速看点：3T级规模不等于每次都跑满

896个专家只选16个，超大模型如何控制成本

Kimi K3采用混合专家架构。可以把896个路由专家理解为不同的能力分区：模型处理一个token时，不会同时运行全部专家，而是由路由器选择其中16个参与计算。这样既保留2.8万亿参数所承载的容量，又避免把所有权重都放进同一次前向计算。代价是路由、跨设备通信和负载均衡会变得更难。

架构的另一组变化是Kimi Delta Attention与Attention Residuals。前者面向长序列的注意力效率，后者不再让每一层简单累加前层表示，而是按需取回不同深度的信息。发布方称，这些结构配合训练与数据配方，使整体缩放效率相比Kimi K2提升约2.5倍。这个数字来自内部评估，仍需要技术报告与独立复测解释计算口径。

为了让超大模型更适合推理，K3从监督微调阶段就加入量化感知训练，使用MXFP4权重与MXFP8激活。它还为KDA设计了新的前缀缓存实现，计划同步贡献给vLLM社区。思路很明确：模型规模已经很难缩小，工程重点转向减少每次激活的参数、降低精度成本，并尽量复用长上下文缓存。

长程智能体不只写代码，还被拿去做芯片与科研

K3的定位不只是聊天模型，而是能够在终端、代码库和视觉反馈之间持续工作的智能体。发布方给出的内核优化测试允许模型在相同沙箱中连续运行最多24小时，处理NVIDIA H200等硬件上的四项任务。结果显示K3在这些特定条件下具备竞争力，但不同模型使用的智能体框架并不完全一致，不能直接外推为全面编码领先。

更有代表性的案例来自长任务。K3曾在一次48小时自主运行中，使用开源EDA工具为自身架构的微型模型设计并验证一颗芯片；在45纳米库上的模拟结果中，4平方毫米设计达到100MHz，解码吞吐超过8700 token/秒。另一个计算天体物理案例中，它交叉核对20多篇论文、评估300多种状态方程并生成3000多行Python代码，约两小时完成发布方估计需专家一到两周的工作。

这些案例展示了模型把文献、代码、终端和图像反馈串成闭环的潜力，但它们仍由开发团队选择和披露。真实企业环境中的代码质量、失败恢复、权限控制和成本波动，必须用更长时间的外部任务验证。尤其是持续数小时甚至数天的智能体运行，任何早期误判都会在后续步骤中被放大。

API已经上线，真正开放要等权重落地

目前用户已可在Kimi、Kimi Work、Kimi Code和API中使用K3。API按百万token计费：缓存命中输入0.30美元、未命中输入3美元、输出15美元。Kimi Code文档显示，最高100万上下文只向部分订阅档位开放，较低档位为25.6万上下文；默认使用最大推理强度，切换模型或推理档位还可能导致上下文缓存重新预填充。

对企业和研究团队而言，最值得期待的是完整权重，而不是又一个托管API。权重开放后，团队才可能审查模型、进行领域微调、部署到自有环境，并验证量化和推理引擎的实际效率。不过，发布方建议用64张或更多加速器组成的超节点部署K3，这意味着它即使开放，也不会成为普通工作站可以轻松运行的模型。

局限与编辑判断：参数上限被抬高，可用门槛仍在

K3当前仍有四条清晰边界。第一，完整权重与技术报告尚未落地；第二，许多成绩和案例来自内部评估，对比条件并不完全统一；第三，开发团队明确表示其总体体验仍落后于最强闭源模型；第四，若智能体框架未完整回传思维历史，质量可能变得不稳定，模型也可能在意图模糊时替用户做出意外决定。100万token只是容量上限，不代表模型在任何超长输入中都能稳定提取关键信息。

ATYUN编辑判断：Kimi K3最重要的信号不是“参数越大越好”，而是开放模型开始把稀疏路由、低精度训练、长上下文缓存和智能体工具链当成同一个系统问题。2.8万亿参数展示了容量上限，16个激活专家则揭示真正的工程方向：未来竞争会更多落在每次任务调用多少计算、能否稳定运行数小时，以及开放权重后是否有成熟推理生态。

接下来应重点观察7月27日前的权重是否按期发布、许可条款是否允许广泛商用、vLLM实现能否同步落地，以及外部团队能否复现长程编码和科研案例。在这些问题得到答案前，K3是一项规模惊人的技术预告，也是一套已经可通过产品和API试用的能力，但还不是已经完成验证的开放部署方案。