Kimi K3 发布：开源模型进入前沿竞争

上午被 Kimi K3 刷屏了。

3 万亿级开源模型

Kimi K3 的总参数量为 2.8 万亿，是 Kimi 首个开源的 3T 级模型。

K3 的基础架构包括 Kimi Delta Attention、Attention Residuals 和 Stable LatentMoE。

• KDA 是一种混合线性注意力机制，目标是降低长上下文带来的注意力计算和缓存压力
• Attention Residuals 让模型能够自适应地筛选和聚合不同深度的信息，从而提升模型性能并优化长文本推理效率
• Stable LatentMoE 能在极低的算力消耗下稳定调度更多数量的专家

此外它原生支持文本、图片和视频理解，上下文窗口达到 100 万 token。

Kimi K3 现已支持通过 Kimi.com、Kimi Work、Kimi Code 和 Kimi API 使用。

跑分数据

Kimi 官方称，虽然整体性能仍落后于最强大的专有模型Claude Fable 5 和 GPT 5.6 Sol，但 Kimi K3 在评估测试中仍展现了前沿水平的性能。

根据 Artificial Analysis 发布的评测数据，Kimi K3 甚至超过了 Claude Opus 4.8，仅次于 GPT 5.6 Sol 和 Claude Fable 5，排在全球第三。

还有一份来自 Arena.ai 的比较有意思的评测数据。数据显示 Kimi K3 在前端领域测试中位居第一，超越了 Claude Fable 5。

社区反应

K3 上线后迅速登上 Hacker News 热门。

我看到的正面评价主要集中在三个方面。

1. 开放模型第一次在多个指标接近了最强的闭源模型
2. 100 万上下文、视觉理解和长程编程被整合到同一个模型中
3. K3 在前端代码和部分工程评测上获得了真实可见的领先成绩

同时也存在一些质疑：

1. 模型尚未真正开源，官方承诺最晚 7 月 27 日 发布
2. 官方跑分使用了不同的框架，部分展示案例规模很大但难以复现
3. 价格明显高于此前的 Kimi 模型，而且 2.8 万亿参数意味着完整私有部署门槛极高

Axios 在发布报道中也提醒，K3 只上线了几个小时，早期基准和传播广泛的演示可能会高估其在真实工作中的稳定性。

最后

不管怎么说，Kimi K3 的发布确实给开源大模型领域砸下了一颗炸弹。3T 级的体量和直逼闭源顶尖模型的跑分，至少在数据上将开源模型的上限拉到了一个新的高度。

接下来就是看 7 月 27 日官方能否如期完整开源模型权重；二是看在砍掉“评测滤镜”、进入开发者和企业的真实业务场景后，实际的算力性价比和落地效果究竟如何。

是真有实力，还是只是噱头，开源社区自然会给出最真实的答案。