Kimi k3开源发布：2.8万亿参数，但在基准测试中仍落后于Anthropic和OpenAI

从表面上看，这些数字令人震惊。Kimi K3是一个2.8万亿参数的混合专家模型，每个token激活896个专家中的16个。其架构包括Kimi Delta Attention（KDA）和Attention Residuals（AttnRes），实验室称这两种设计创新相比前代Kimi K2可提升约2.5倍的扩展效率。该模型支持100万token上下文窗口，并原生处理文本、图像和视频。

但基准测试表讲述了一个更微妙的故事。在涵盖编程、智能体任务、推理、知识和视觉的40多项评估中，Kimi K3位于上游，但很少位居榜首。在旗舰编程基准DeepSWE上，它得分67.5，落后于GPT 5.6 Sol（73.0）和Claude Fable 5（70.0）。在推理测试GPQA-Diamond上，它的93.5落后于GPT 5.6 Sol的94.1。仅在Terminal Bench 2.1（88.3）和BrowseComp（91.2）上，它略领先于专有领导者。

一个开源模型，但不是前沿模型

Kimi的表述很谨慎：“虽然其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展现了前沿级别的性能。”这一区别很重要。Kimi K3是迄今为止发布的最大开源模型，但规模本身并不转化为主导地位。

在智能体基准上，差距更为明显。在GDPval-AA v2上，Kimi K3的Elo得分为1,668，而Claude Fable 5为1,760，GPT 5.6 Sol为1,748。在其内部评估DECK-Bench上，它得分73.5，低于GPT 5.6 Sol的74.7。这一模式在视觉基准上持续：在使用python的CharXiv上，Kimi K3达到91.3，但Claude Fable 5达到93.5。

Kimi K3确实在某些小众任务上表现更优。它在SWE Marathon（42.0对比Fable 5的35.0）、SpreadsheetBench 2（34.8对比Fable 5的34.7）和Automation Bench（30.8对比Fable 5的29.1）上击败了所有专有模型。但这些并非大多数从业者定义前沿的基准。

架构：真正的故事

比基准排名更有趣的是Kimi在底层构建的内容。KDA旨在改善长序列中的信息流动，团队声称它能比标准注意力机制更高效地处理100万token上下文。同时，AttnRes选择性地从早期层检索表示，而非均匀累积，这可能会降低极深网络中的深度惩罚。

结合Stable LatentMoE（从896个专家中激活16个）以及完全平衡的专家并行训练方法，Kimi解决了先前大规模MoE模型困扰的若干工程问题。该模型还从SFT阶段起使用量化感知训练，采用MXFP4权重和MXFP8激活，确保广泛的硬件兼容性。

这些创新可能比基准数字更具深远影响。如果KDA和AttnRes能良好泛化，它们代表着真正的架构进步，较小的实验室和开源项目可以在自己的模型中采用这些技术。

定价与可用性

Kimi K3现已在Kimi.com、Kimi Work（桌面应用）、Kimi Code（终端）及Kimi API上提供。定价激进：缓存命中输入$0.30/MTok，缓存未命中输入$3.00/MTok，输出$15.00/MTok，明显低于Anthropic和OpenAI的同类层级。API声称借助Mooncake的去中心化推理架构，在编程工作负载上缓存命中率超过90%。

完整模型权重将于2026年7月27日发布，技术报告尚未提供。Kimi表示正“与推理合作伙伴和开源维护者密切合作”，以确保可靠性部署。

结论

Kimi K3是一项严肃的工程成就，也是迄今为止发布的最大开源模型。但与专有前沿模型的基准对比表明，它尚未成为领导者, , 它处于第二梯队竞争。对于希望检查、修改并自行托管2.8T参数模型的组织来说，Kimi K3代表了开源模型能力的一次重大飞跃。对于需要极致基准峰值性能的用户，Claude Fable 5和GPT 5.6 Sol仍是参考点。