一句话总结：Kimi K3 用 2.8 万亿总参数、1040 亿激活撑起 1M 上下文和原生多模态，权重 7 月 27 日全量开源（96 个分片、约 1.56TB），AA 智能指数 43.6 排在开源第三，但前端代码竞技场以 1679 Elo 拿了第一，10 月 23 日 K3.1 Pro 又把它变成了上一代。
7 月 16 日上线 API，7 月 27 日放权重，当时「全球最大开源模型」的说法到处都是。三个月后，同一家公司的 K3.1 Pro 已经出来，AA 指数 55.1，K3 从「最强开源」变成了「上一代旗舰」。
有意思的地方在于：它的分数分布很不均匀，总分排第三，前端代码却是第一。这种模型该怎么评价，值得单独说说。
图 1：2.8 万亿参数的模型，权重文件就有 1.56TB，自建门槛先卡在存储上
规格：896 个专家，每次只用 16 个
| 项目 | 规格 |
|---|---|
| 发布时间 | 2026-07-16（API），07-27 开源权重 |
| 总参数 / 激活 | 2.8T / 104B（每 Token） |
| 专家数 | 896 个，每 token 选 16 个 |
| 层数 | 93 层（69 层 Kimi Delta Attention + 24 层 Gated MLA） |
| 视觉编码器 | MoonViT-V2，401M 参数 |
| 上下文 | 1,048,576 tokens |
| 输入 | 文本、图像、视频 |
| 量化 | MXFP4 权重 + MXFP8 激活 |
| 许可证 | Kimi K3 License（自定义，非 MIT） |
| API 价格 | $3 输入 / $15 输出 / $0.30 缓存命中（每百万） |
权重是 96 个 safetensors 分片，合计约 1.56TB。光下载和存储这一关，就把绝大多数个人开发者挡在门外了。
架构：把大模型做便宜的三件事
稀疏到极致的 MoE。 896 个专家里每 token 只激活 16 个，激活率不到 2%。2.8 万亿的知识容量，跑起来只有 1040 亿的计算量，这是它能以 $3/$15 卖的根本原因。
Kimi Delta Attention（KDA）。 混合线性注意力，官方称解码速度提升 6.3 倍。这个数字是厂商自报，我没看到独立复现，暂时按参考值看。
Attention Residuals。 官方说能提升 25% 的 token 效率，代价是约 2% 的额外计算。实际效果体现在输出长度上：K3 比上一代 K2.6 少用 21% 的输出 token。
这三件事指向同一个目标：让万亿级模型的单 token 成本降到可商用。
榜单：总分第三，前端第一
先说总分，这里有个坑。同一款模型，不同来源给的分数差得很远：
- Artificial Analysis 智能指数 v4.3.2：43.6，开源模型第三（前两名是小米 MiMo-V2.6-Pro 46.3、智谱 GLM-5.3 44.8）
- 另有报道引 AA 指数 57，还有榜单给综合分 65.8
差距不是模型变了，是榜单版本和算法不同。我的处理方式是：只认带版本号的 AA 读数（43.6），其他口径标注出来但不混着比。
再看单项，K3 的表现很不均匀：
| 测试 | 成绩 | 位置 |
|---|---|---|
| Frontend Code Arena | 1679 Elo | 第 1（Fable 5 是 1631，GPT-5.6 Sol 是 1618） |
| GPQA Diamond | 93.5% | 开源最高 |
| GDPval-AA v2 | 1687 | 第 3（前两名是 Fable 5 Max 1815、GPT-5.6 Sol Max 1747.8） |
一个开源模型在前端代码竞技场压过闭源旗舰，这件事本身比总分第三更有信息量。它说明 K3 的训练重点明显偏向前端生成和多模态理解，而不是通用推理。
真实成本：别只看每百万 token
$3/$15 听起来还好，但 K3 有个特点：思考常开，默认 max 档。官方给的 reasoning_effort 有 low、high、max 三档，不传就是 max。
有个流传很广的实测：让它画一只骑自行车的鹈鹕，输入只有 95 个 token，输出 16658 个，其中 13000 多个是思考 token，最终账单 25 美分。这个案例的意义不在「模型笨」，在提示成本结构：输出预算的 79% 花在「想」上，不在「写」上。
对高频 Agent 任务，这意味着账单会明显高于单价推算。降档是必须做的动作，具体方法我在 M3.1 Flash 那篇 里写过，逻辑相通。
缓存这块倒挺厚道：命中 $0.30，是输入价的十分之一，而且不要求传 cache id 或 TTL，长 system prompt 能自动吃到。
许可证：不是 MIT，别当开源随便用
K3 的权重用的是自定义 Kimi K3 License，不是 MIT 也不是 Apache。厂商的措辞是「开放权重」，这个说法比「开源」准确。
具体条款我没逐条读完，只能说清楚方向：商用前必须看原文，尤其是「模型即服务」和「对外提供 API」这类业务，通常有额外限制。要我给建议的话：内部用基本没问题，做成产品对外卖之前，法务过一遍。
现在该上 K3 还是等 K3.1 Pro
时间线得摆清楚：
- 7 月 16 日 K3 上线，7 月 27 日开源
- 10 月 23 日 K3.1 Pro 发布，AA 55.1，权重承诺 11 月 4 日放出
也就是说，现在选 K3 相当于买上一代。但有几个理由它还没过时：
- 权重已经在了，K3.1 Pro 的权重还要等十来天，且放出后推理框架适配要时间
- K3 的强项（前端生成、多模态理解）依然能打，GPQA 93.5 也不是软柿子
- 价格可能下调，新旗舰出来后旧款通常降价，自建和 API 都受益
我的判断：想验证「开源旗舰能不能替代闭源」这个命题，现在用 K3 试最合适；要做正式产品，等 K3.1 Pro 权重落地、社区跑通再定。
常见问题
Kimi K3 到底是不是开源？
是开放权重（open-weight），许可证是自定义的 Kimi K3 License，不是 OSI 认可的开源协议。内部使用限制少，对外提供模型服务要看条款。
2.8 万亿参数，普通机器能跑吗？
不能。权重 1.56TB，MXFP4 量化后仍然需要多卡高带宽集群。个人开发者建议直接调 API，别折腾自建。
为什么不同榜单分数差那么多？
AA 指数有多个版本（v4.3.2 给 43.6），其他榜单用不同任务集和算法（有给 57 的，也有给 65.8 的综合分）。跨榜不能直接比，只能同版本横向比。
它最强的地方是什么？
前端代码生成（Frontend Code Arena 第一）和多模态理解（GPQA Diamond 93.5）。通用推理弱于同期闭源旗舰。
要前端生成和视觉，选 K3；要金融和长任务性价比，选 Step5；要多模态全能和最高综合分，选 Qwen3.8-Max。
结语
K3 是个「偏科的开源旗舰」：前端代码第一、GPQA 开源最高，但总分只排第三，还被自家新版本按在地上。它的价值不在「最强」，在证明了一件事：2.8 万亿的模型可以开源，可以按 $3/$15 卖，可以在某些单项上赢过闭源。
要不要用，取决于你的任务是不是它偏的那一科。如果不是，它就是个贵且慢的通用模型；如果是，它是目前最划算的选择之一。
参考资料
- Kimi K3 模型卡与权重（Hugging Face） - 官方规格、许可证原文
- Kimi K3 规格、价格与评测汇总（Fello AI） - AA 43.6 读数与开源排名出处
- Kimi K3 榜单与定价追踪（BenchGecko） - 多供应商报价与分项分数
- Kimi K3 实测与成本分析（DEV Community） - 推理 token 开销案例出处
- 数据中心配图（Wikimedia Commons） - CC BY-SA 3.0，作者 BalticServers
- 参考资料
发表评论
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。