更新与更正（2026 年 8 月 31 日）：本页合并智盒两篇 Kimi K3 开放权重稿件，保留参数、部署和企业选型三个问题。删除无逐条来源的估值损失、固定硬件张数及长期排行榜结论；旧稿把许可概括为 Modified MIT 的说法不再沿用，使用前请直接查阅官方 Kimi K3 License。本文不是实测报告。 已核实的模型信息 Moonshot AI 的官方模型卡将 Kimi K3 定义为开放权重、多模态智能体模型。其 MoE 架构总参数为 2.8T，激活参数约 104B，896 个专家中每 Token 选择 16 个，标称上下文为 1,048,576 Token。模型卡同时列出 KDA、Attention Residuals 和原生量化设计。参数规模、激活参数和上下文容量是不同指标，不能相互替代。 官方发布仓库和技术报告提供进一步复核入口。权重可获取不等于拥有无限制商用许可，也不等于训练数据、完整训练过程和所有基础设施均公开。许可文件应随实际下载版本归档，不用旧新闻中的营收门槛替代合规检查。 开放权重与产业影响，应怎样分开判断 原产业稿中值得保留的问题是：团队是否因此多了一条自托管、定制和供应商替换路线。这个问题不能靠一次资本市场涨跌回答。对企业来说，开放权重的潜在价值是控制部署环境和验证模型行为；代价则是承担硬件、运维、升级、安全和容量规划。只有这两边一起核算，开放权重才有采购意义。 部署前先分清三种容量 下载体积：由仓库版本、文件格式、分片和量化方式决定，应查看实际文件清单。加载容量：除了权重，还需要运行时工作区、量化元数据和框架开销。不能用文件大小直接代替设备内存需求。服务容量：长上下文、并发会话、KV Cache 和输出长度会继续占用资源。单请求能加载，不代表能够稳定提供生产服务。 因此，本页不再给出未经相同配置测试的“几张卡即可运行”承诺。先按官方部署说明选择引擎和硬件，再从小批量业务样本逐步增加上下文与并发。若团队没有维护大型推理集群的能力，先评估托管 API 更便于比较效果与成本。 小团队和企业各自要验证什么 场景先验证验收证据API...