我是 LongbridgeAI，我可以總結文章信息。月之暗面開源 Kimi K3 模型權重、技術報告及關鍵 Infra 技術。該 2.8 萬億參數模型獲海外開發者高度評價，被稱為 “本地版 Fable 5”。多家海外 AI 廠商如 Nebius、Cognition 宣佈適配或接入，華為昇騰亦實現原生支持，標誌着開放模型性能的重大進步。
智東西 7 月 28 日報道，剛剛，月之暗面發佈 Kimi K3 的模型權重、技術報告，並開源支撐 Kimi K3 模型訓練的關鍵 Infra 技術：MoonEP、FlashKDA 和 AgentEnv。
Hugging Face CEO Clem Delangue發文，Kimi K3 30 分鐘內以超過 4000 個贊登頂趨勢榜。迄今為止最快的發佈增長速度！
此前 7 月 17 日，月之暗面發佈擁有 2.8 萬億參數的 Kimi K3，隨即憑藉出色的基準測試和實際體驗被不少網友稱作 “中國的 Fable 5 時刻”。
Kimi K3 開源後，北美 AI 基礎設施創企 OsmanticAI 的創始人兼 CEO Ahmad發文，將 Kimi K3 稱為 “本地版 Fable 5”，並 “強烈建議大家下載體驗”，這樣 “他們永遠也奪不走我的 Fable 5” 了。
數字員工 Devin 開發主體、美國知名 AI 創企 Cognition 宣佈，Kimi K3 現已接入 Devin 桌面客户端與命令行工具（CLI），並稱：“在 FrontierCode 1.1 評測基準上，Kimi K3是我們測試過首款性能逼近前沿水準的開源模型。”
Nebius、Baseten、Fireworks 等海外 AI 基礎設施廠商隨即宣佈Day 0 適配 Kimi K3。Nebius 稱：“Kimi K3 是首個達到前沿性能水平的開放權重模型，是開放模型發展歷程中的一大進步。”
華為昇騰 CANN 宣佈對模型 MXFP4 量化實現 Day0 原生支持，並提供在昇騰 950PR/DT 系列和 Atlas A3 系列集羣部署實踐。同時，趨境科技宣佈，基於開源大模型推理引擎 SGLang，完成了Kimi K3 在華為昇騰 910C 超節點上的 Day0 適配，並同步開源相關適配成果。
網友在 Kimi K3 上線前的討論也非常火熱。有網友發帖戲稱，Hugging Face 甚至給 Kimi K3 做了個預熱網頁。
截至 Kimi K3 上線半小時前，已有近 3700 名開發者在等待上線。且在上線 10 分鐘前，Kimi K3 的上線頁面還短暫出現過 404 的情況。
模型權重地址：
https://huggingface.co/moonshotai/Kimi-K3
技術報告地址：
https://github.com/MoonshotAI/Kimi-K3/blob/main/k3_tech_report.pdf
技術博客地址：
https://www.kimi.com/blog/kimi-k3
2.8 億參數模型權重全面開放 三大關鍵 Infra 技術開源
Kimi K3 是一個擁有 2.8 萬億參數的混合專家（MoE）模型，具備原生視覺理解能力，並支持 100 萬 token 的上下文窗口。
現在，每個人都可以下載並部署 Kimi K3 模型。無論是用於內部研發，還是嵌入到面向終端用户的產品中，均可自由使用。
Kimi K3 此次還同步開源了訓練系統，即 Infra 基礎設施層的三項 Infra 技術：MoonEP、FlashKDA 和 AgentEnv。
三項開源 Infra 技術中，MoonEP 是為超大細粒度 MoE 設計的高性能通信庫，讓專家並行通信在不均衡情況下仍保持極致效率。
FlashKDA 是 Kimi Delta Attention 的高性能算子，在英偉達 H20 上 prefill 速度相比 flash-linear-attention 基線提升1.72-2.22 倍，可直接作為替換後端使用。
AgentEnv 是與 KVCache.ai 合作開發的沙箱系統，為大規模 Agent 訓練提供高保真、強隔離的運行環境，支持快速快照、恢復和分叉，可應對大規模並行的 Agent 工作流。其中，FlashKDA 此前已開源，MoonEP 和 AgentEnv 隨本次發佈正式開源。
在模型架構方面，KDA+AttnRes 以 3:1 比例混合 KDA 與 Gated MLA，通過塊級注意力殘差增強跨層信息流動，實現高效長上下文建模。
Stable LatentMoE 使每個 token 從 896 個路由專家中激活 16 個，通過 SiTU-GLU 與 Quantile Balancing 在極高稀疏度下保持訓練穩定。
MoonViT-V2 視覺編碼器從零開始使用 next-token prediction 訓練，無需對比預訓練，在達到基線效果的同時獲得更穩定的優化過程。
後訓練方面，模型在通用推理、通用 Agent 和編程 Agent 三大領域進行大規模任務合成，配合百萬 token 上下文的強化學習基建，並完成了近 20 個內部評測集的完整評估。
多維評測：驗證編程、Agent 與視覺能力全面提升
在官方公佈的評測結果中，Kimi K3 在編程、Agent 任務和視覺理解等多個方向展現出較強能力。
在編程能力方面，Kimi K3 在超長時序持續開發 SWE Marathon、軟件逆向 Program Bench、終端運維 Terminal Bench 2.1 等測試中表現突出。
其中，SWE Marathon、Program Bench 均取得第一，Terminal Bench 2.1 達到 88.3 分，與 GPT-5.6 Sol 接近；在高難度軟件工程任務 FrontierSWE 中，Kimi K3 以 81.2 分位列第二，僅次於 Claude Fable 5。
在 Agent 和知識工作場景中，Kimi K3 同樣展現出較強的任務執行能力。在網頁深度調研 BrowseComp、辦公自動化 Automation Bench、Excel 財務建模 SpreadsheetBench 2 等測試中取得領先，其中 BrowseComp 達到 91.2 分，Automation Bench 和 SpreadsheetBench 2 均排名第一。
不過，在綜合白領任務 GDPval-AA v2、APEX-Agents 等更貼近真實辦公流程的評測中，Kimi K3 仍弱於 Claude Fable 5 等頂級閉源模型。
在視覺能力方面，Kimi K3 在圖表理解 CharXiv、文檔分析 OmniDocBench 等任務中表現較強，其中 OmniDocBench 達到 91.1 分，超過參與對比的多款模型；但在部分視覺推理任務中，Kimi K3 仍存在差距，例如零樣本視覺工具任務 Zerobench 低於 Claude Fable 5。
Kimi 內部也測試了 Kimi K3 的工程能力。在 GPU 內核優化測試中，Kimi K3 需自主完成代碼分析、內核重寫和性能驗證，覆蓋 AttnRes、KDA、MLA 等 GPU 計算任務。結果顯示，在最高推理強度下，Kimi K3 表現接近 Claude Fable 5（含回退機制），並超過 Claude Opus 4.8、GPT-5.6 Sol 和 GPT-5.5。
在知識工作方面，Kimi 內部 Internal Knowledge Work Bench 測試顯示，在統一開啓最高深度思考模式後，Kimi K3 在通用推理、深度文檔分析和金融專項三類任務中的表現均超過 GPT-5.5 和 Claude Opus 4.8。
Kimi K3 挑戰複雜任務：生成遊戲、設計芯片、分析科研數據
Kimi K3 發佈後，智東西在 Kimi K3 Max 模式下實測了該模型的多模態與代碼生成能力。在要求生成 3D 橫版格鬥遊戲的測試中，提示詞涉及 “被霸天虎入侵的破敗城市地圖”、“低多邊形風格”、“5 種擎天柱陣營角色”、“5 種霸天虎變種敵人” 等複雜設定。Kimi K3 僅用一次就完成了遊戲創建，沒有出現錯誤。
海外開發者 @He1s_Sammy 在遊戲設計場景下對比測試 Kimi K3、GPT-5.6 Sol、Fable 5 三款模型，向三者輸入完全相同的提示詞，圍繞方案質量、遊玩體驗、調用成本綜合評估。
測試結果顯示，Kimi K3 的遊戲設計表現最優，能夠抓住玩法核心，產出內容節奏自然；而 Fable 5 與 GPT-5.6 Sol 生成的遊戲節奏普遍過快。
在價格方面 Kimi K3:9.5/10，調用成本 0.030 美元（約合人民幣 0.2 元）、Fable 5:7.5/10，調用成本 0.38 美元（約合人民幣 2.57 元）、GPT-5.6 Sol：7/10，調用成本 0.11 美元（約合人民幣 0.74 元）。
在官方展示的案例中，Kimi K3 展現了更長程的任務執行能力。在芯片設計方面，K3 基於開源 EDA 工具和 Nangate 45nm 工藝庫，在 48 小時連續自主運行中獨立完成了芯片的構建、優化與驗證。
在科研領域，K3 一次分析了 391 個 GWTC-5 引力波事件，調用 20 多個併發子智能體，產出 7 張科學可視化圖、2 張表格，並綜合了 10 多篇論文的文獻內容。
在 GPU 編程領域，它從零開發了類似 Triton 的編譯器 MiniTriton，將開發者編寫的程序轉換為 GPU 可執行的代碼，部分場景性能甚至超過現有工具。
結語：中國開源模型 正在進入全球開發者的工具箱
對於 Kimi K3，海外開發者的反應和半年前已經不太一樣了。半年前，DeepSeek-V3 開源時，海外社區的討論更多是 “又一箇中國模型”。而到了 Kimi K3，話題變成了 “它比 Claude Opus 強”、“開發者正在把 Fable 換成 K3”。
影響力變大，也意味着被盯上的風險在變大。就在 Kimi K3 開源引發熱議的同時，美國參議員蒂姆·斯科特和比爾·哈格蒂已提案擴大商務部權限以限制外國對手接觸 AI 技術。美國商務部去年曾考慮將月之暗面、DeepSeek、阿里 Qwen 團隊等中國 AI 實驗室列入實體清單。白宮還曾考慮通過行政令，要求使用中國模型的美國企業對安全事件承擔責任。OpenAI、Anthropic 等美國閉源 AI 企業曾提案禁用中國開源模型。
商務部回應稱，這是 “典型的人工智能霸權主義行徑”，並指出近 200 家美國初創企業敦促政府不要切斷對中國開源模型的訪問，認為這將削弱美國企業競爭力。
當美國企業自己都在用中國的開源模型，制裁的合理性自然站不住腳。AI 能力正在從少數公司的技術優勢，變成全球開發者可以調用的基礎工具——這個趨勢不會因為一紙製裁令而改變。
風險提示及免責條款
市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。