概览
2026年7月16日，月之暗面在 WAIC 2026 开幕前夜正式发布 Kimi K3——2.8万亿参数的开源模型，截至发布时是全球参数规模最大的开源模型，也是首个突破 3万亿级别的开源模型。
本文从技术角度拆解它的架构创新和性能表现。
一、架构：KDA + AttnRes + MoE
Kimi K3 的核心架构变化围绕两个技术突破展开：
Kimi Delta Attention（KDA）：混合线性注意力
传统 Transformer 注意力机制在长上下文场景下的计算复杂度为 O(n²)。KDA 是一种混合线性注意力机制，基于 Gated DeltaNet 架构扩展，引入细粒度逐通道门控机制，将注意力计算线性化。
实测效果：在百万 token 上下文场景下，实现最高 6.3 倍解码加速。
对于需要处理完整代码库或超长文档的 Agent 场景，这项技术让百万 token 上下文在实际工程中变得经济可用。
Attention Residuals（AttnRes）：可学习的残差连接
传统的残差连接以固定权重累加各层输出。AttnRes 用学习到的、依赖输入的注意力机制取代固定权重，让模型自行决定从前面各层提取多少信息。
实测效果：以不到 2% 的额外训练成本，换取约 25% 的训练效率提升。
在大规模 MoE 模型中，训练成本是限制模型规模发展的核心瓶颈。能在几乎不增加预算的情况下提升训练效率，意味着同样的算力可以训练出更强的模型。
MoE 配置
| 配置项 | 数值 |
|---|---|
| 总参数 | 2.8 万亿 |
| 专家数量 | 896 |
| 激活专家数 | 16（每次推理） |
| 上下文窗口 | 100 万 token |
| 支持模态 | 原生图像+文本输入，输出文本 |
| 思考模式 | 始终开启，默认 max |
结合 Stable Latent MoE 框架，模型在 896 个专家中高效激活 16 个，扩展效率相比 K2 提升约 2.5 倍。
二、性能表现：编程登顶，多任务覆盖
编程能力
Frontend Code Arena（WebDev Arena）：1679 分，全球第一，超越 Claude Fable 5。该榜单由用户匿名投票产生，累计约 48 万次投票支持。
K3 在 7 个前端细分领域中的 6 个位居第一（品牌营销、基于参考的设计、数据分析、消费产品、模拟、内容创作工具），仅在游戏领域小幅落后 Fable 5。
三类代码基准测试（长周期软件工程、模型研究能力、智能体编码）：整体表现强劲，多数情况下超越 Fable 5，少数基准仅次于 Fable 5 或 GPT-5.6 Sol。
知识工作
GDPval-AA v2：1687 分，排名第三，超越 Claude Opus 4.8 Max（1600 分），仅次于 Claude Fable 5 Max 和 GPT-5.6 Sol Max。该榜单评估 44 个职业、9 个主要行业的工作表现。
AA-Briefcase：1527 分，排名第二，超越 GPT-5.6 Sol Max，仅次于 Claude Fable 5 Max。
长上下文检索
BrowseComp：91.2 分，当前最好水平。得益于 100 万 token 上下文窗口，单智能体设置下无需额外上下文压缩即可完成高难度信息检索任务。
实战案例
官方展示了两个值得关注的工程验证：
芯片设计：连续 48 小时自主 Agent 运行，K3 基于开源 EDA 工具和 Nangate 45nm 工艺库，独立完成了一颗面积 4mm² 芯片的构建、优化与验证，集成 146 万个标准单元，仿真解码吞吐持续超过每秒 8700 token。
科研编程：约 2 小时完成交叉验证 20+ 篇论文，评估 300+ 种状态方程，生成 3000+ 行 Python 代码并产出交互式分析仪表盘。通常这类工作需资深研究人员 1-2 周。
综合智能
在 Artificial Analysis Intelligence Index 上得分 57，超过 Claude Opus 4.8，落后于 Claude Fable 5 和 GPT-5.6 Sol。月之暗面在发布博客中坦言，K3 整体表现仍落后于最强闭源系统，但已在多项任务上展现出追赶甚至超越的能力。
三、定价与开源策略
API 定价（国内人民币计价）
| 场景 | 价格（元/百万 token） |
|---|---|
| 输入（缓存命中） | 2 |
| 输入（未命中缓存） | 20 |
| 输出 | 100 |
这是迄今中国 AI 实验室发布的最昂贵模型，与 Anthropic Claude Sonnet 系列价格持平。但依托 Mooncake 分离式推理架构，编程场景缓存命中率超过 90%，实际输入成本约为标准价的 1/4。
开源计划
完整模型权重计划于 2026 年 7 月 27 日 前向社区发布。API 兼容 OpenAI SDK，降低开发者接入门槛。
四、行业技术观察
Kimi K3 的发布有几个值得关注的技术信号：
-
线性注意力的工程验证：KDA 证明了混合线性注意力在超大规模模型中的商业可行性，6.3 倍解码加速使百万 token 上下文在 Agent 场景中真正可用。
-
开源模型规模的持续突破：过去 12 个月中 9 个月保持开源模型规模上限，K3 首次突破 3 万亿参数门槛。
-
中国 AI 从参数竞赛到生态竞争：当 OpenAI、Anthropic 持续走封闭路线时，中国 AI 公司通过"开放权重+低定价+开发者生态"组合拳，正在重塑全球 AI 竞争的技术格局。
数据来源：月之暗面官方发布、快科技、Artificial Analysis、OpenRouter
