2026年7月16日，在世界人工智能大会开幕前夕，月之暗面正式发布了Kimi K3大模型。这并非一次普通的版本迭代——2.8万亿总参数、全球首个开源3万亿级别模型、Frontend Code Arena登顶——每一个标签都在宣告：开源大模型与闭源旗舰的竞赛，正在进入一个全新的阶段。
一、参数规模：2.8万亿意味着什么？
Kimi K3的总参数规模达到2.8万亿-，超过了此前国内发布的大模型——DeepSeek V4的1.6万亿、文心大模型5.0的2.4万亿。月之暗面方面用了一个通俗的比喻：参数就像人脑里的神经连接，近3万亿参数意味着这个模型能把更多的知识和规律装进“脑子”，懂得更多、想得更深、答得更准。
但参数规模并非唯一的看点。Kimi K3采用Stable Latent MoE稀疏架构，在896个专家中仅激活16个。这意味着它在推理时并不需要调动全部2.8万亿参数，而是按需激活相关专家模块，在庞大容量与推理效率之间取得了平衡。官方表示，K3相比K2的整体扩展效率提升了约2.5倍。
二、技术架构：两项自研创新撑起万亿级模型
支撑起这个“巨无霸”的，是月之暗面自主研发的两项核心技术：
Kimi Delta Attention（混合线性注意力机制） ，让模型在处理超长序列时不被计算量拖死；Attention Residuals（注意力残差） ，则让信息在几百层的深度网络中传递时不至于“失真”。一个管长度，一个管深度，合在一起撑住了万亿级以上的参数规模。
此外，K3原生支持视觉理解，拥有100万Token的超长上下文窗口-，主要面向长程编程、知识工作、深度研究和多模态理解等复杂任务场景。
三、性能实测：前端登顶，综合逼近闭源旗舰
Kimi K3的性能表现是外界最为关注的部分。从多个基准测试来看，结果颇具说服力：
在Frontend Code Arena（前端代码竞技场）中，K3以1679分超越Claude Fable 5（1631分）和GPT-5.6 Sol（1618分），位居第一。这一榜单来自百万级用户参与的公开盲测——用户并不知道自己投票的是哪家模型，品牌影响被削弱，结果含金量更高。在前端领域的7个子项中，K3在6个领域位居第一，仅在游戏领域位列第二。
在更广泛的综合能力评测中：
GDPval-AA v2（衡量44个职业和9大行业的实际任务）：K3以1687分位列第三，仅次于Claude Fable 5 Max和GPT-5.6 Sol Max；
Artificial Analysis Intelligence Index：K3以57分排在第三，领先Claude Opus 4.8和GPT-5.5等模型；
BrowseComp（长周期高难度信息检索）：K3以91.2分取得最高成绩；
月之暗面在官方博客中坦承，K3的整体表现仍落后于最强的闭源模型Claude Fable 5和GPT-5.6 Sol-，但在其内部评测中已稳定超过其他所有模型。这种坦诚在国产大模型的发布中并不多见。
四、能力的具象化：从芯片设计到游戏开发
参数和跑分之外，K3的实际应用能力同样值得关注。月之暗面展示了一个极具冲击力的概念验证：Kimi K3在48小时的连续自主运行中，使用开源EDA工具独立完成了一颗4平方毫米芯片的完整设计流程，从架构设计到优化验证，最终实现了100MHz的时序收敛。
在编程场景中，K3表现出“即使只有少量人工监督，也能持续执行长时间工程任务”的能力。它还能根据代码运行结果、实时截图和视觉反馈持续迭代，实现“看见输出、即时优化”的视觉闭环——这意味着它不仅可以写代码，还能“看”到自己写的代码运行得怎么样，然后自我修正。
在发布前的匿名测试阶段（代号Kivine），已有网友用其生成了完整的3D游戏、达芬奇扑翼机模拟器等复杂应用。科技界反响热烈，开源生态基金会SuperGemma创始人Jun Song评价称“Kimi明显比Opus强”，甚至马斯克也在评论区留下“Impressive”的赞语。
五、开源与定价：2.8万亿参数向社区开放
Kimi K3最引人注目的标签是“全球首个开源的3万亿级别模型” 。完整模型权重将于2026年7月27日前正式向社区开放。
在商业化方面，K3已通过Kimi API开放平台向开发者提供调用，模型名称为kimi-k3。定价为：每百万Token缓存命中输入2元、未命中输入20元、输出100元。借助Mooncake分离式推理架构，Kimi官方API在编程场景中的缓存命中率超过90%，实际输入成本仅为标准价格的约四分之一。
六、行业意义：开源模型的新坐标
Kimi K3的发布，标志着中国AI大模型在开源路径上迈出了关键一步。北京中关村学院院长刘铁岩评价称：“技术的生命力在于开放流动，一批中国开源大模型从'单点亮相'走向'群体突破'，为世界人工智能发展提供了新方案、新路径。”
当然，K3并非没有争议。有声音指出，参数规模的膨胀并不自动等同于能力的跃升，2.8万亿参数模型的训练和推理成本如何控制、开源后开发者能否真正有效利用如此庞大的模型，都是需要持续观察的问题。
但无论如何，当一家中国AI公司选择将2.8万亿参数的模型开源，并在前端编程这样的核心能力上击败全球最顶尖的闭源系统时，开源与闭源的竞赛逻辑，确实正在被重新定义。
