月之暗面开源 Kimi K3 模型，2.8 万亿参数

月之暗面正式开源 Kimi K3 模型，该模型拥有 2.8 万亿参数、100 万 token 上下文窗口，并原生支持视觉理解。

Kimi K3 基于 KDA 混合线性注意力机制构建，结合 Stable LatentMoE 框架在 896 个专家中激活 16 个，整体扩展效率相比 K2 提升约 2.5 倍。

IT之家：https://www.ithome.com/ 7 月 27 日消息，月之暗面官方今晚正式开源 Kimi K3 模型。官方发布了 Kimi K3 的模型权重、技术报告，并开源支撑 Kimi K3 模型训练的关键 Infra 技术：MoonEP、FlashKDA 和 AgentEnv。

Kimi K3 是一个 2.8 万亿参数模型 ，基于 KDA 混合线性注意力机制（Kimi Delta Attention）和注意力残差（Attention Residuals）技术构建，原生支持视觉理解，并拥有 100 万 token 上下文窗口 。

官方表示，Kimi K3 是首个达到 2.8 万亿参数规模的开源模型，在过去 12 个月中的 9 个月里，Kimi 模型都保持着开源模型的规模上限。

Kimi 还进一步扩大了 Mixture of Experts（MoE）的稀疏度：结合 Stable LatentMoE 框架后，模型可以在 896 个专家中高效激活 16 个。再加上训练方法和数据配方的优化，这些结构性改进让 Kimi K3 相比 K2 的整体扩展效率提升约 2.5 倍，能更有效地把算力转化为能力。

据介绍，Kimi K3 具备很强的长程编码能力。在极少人工监督的情况下，它可以持续完成长时间工程任务，理解和处理大型代码库，并协调使用终端工具；Kimi K3 也擅长结合软件工程与视觉推理的任务。它能够利用截图和视觉反馈，优化游戏开发、前端和 CAD 等场景。

官方此前表示，虽然 Kimi 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，但在整套评测中展现出前沿水平的能力，并稳定超过了其他所有模型。

官方还公布了支撑 Kimi K3 训练的三项 Infra 技术：MoonEP、FlashKDA 和 AgentEnv，覆盖从高性能通信、高性能算子到分布式 RL 环境的关键链路。其中 FlashKDA 此前已开源，MoonEP 和 AgentEnv 则随本次发布正式开源。

Hugging Face： https://huggingface.co/moonshotai/Kimi-K3 ：https://huggingface.co/moonshotai/Kimi-K3

GitHub： https://github.com/MoonshotAI/Kimi-K3 ：https://github.com/MoonshotAI/Kimi-K3