7 月
Kimi K 3 完整权重开源：2.8 万亿参数能否改写 AI 竞赛规则？
更新与更正（2026 年 8 月 31 日）：本页合并智盒两篇 Kimi K 3 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 K 3 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 K 3 定义为开放权重、多模态智能体模型。其 MoE 架构总参数为 2.8 T，激活参数约 104 B，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 编码助手 | 任务完成率、错误修复、工具调用失败恢复 | 固定测试集、调用日志、重试次数 |
| 长文档与代码库 | 关键证据检索、跨文件一致性、上下文成本 | 长短输入对照、失败样例、实际账单 |
| 私有化部署 | 许可、内存预算、并发、故障恢复、运维成本 | 版本清单、压测记录、运行手册 |
| 高准确性业务 | 引用可追溯、人工复核、拒答边界 | 领域验收集、误答记录、人工接管规则 |
测试时让候选模型处理同一组任务，固定工具权限、数据和完成标准。不要把某个公开基准的名次当成企业业务成功率，也不要把个别幻觉评测比例外推到所有场景。记录成功任务成本，而不是只记录单次输出速度。
接入与后续选型
官方模型卡提供 vLLM、SGLang 等部署入口及 API 使用说明。开发前应核对当前引擎版本、思考模式、工具调用消息和兼容性要求。下列智盒专题分别处理横向能力、价格和上下文问题，不再另设一篇重复的 K 3 产业新闻。
来源与核查边界
分享这篇文章
RELATED
Posts
2026 国产大模型场景选型决策树：写代码、投研、创意写作、本地部署分别该选哪个模型？
AgentRadio：4 个 AI Agent 实时「对讲机」协同，准确率碾压单打独斗的 Claude Opus 4.8
Meta 给 AI Agent 装了「记忆教练」：第二个 AI 决定什么时候该提醒、什么时候闭嘴
本地 AI 主权正在成形：odysseus 84K 星 + Kimi K3 跑在 8GB 上 + 韩国决出 AI 国家模型
OpenAI Astra 只花了 $2,000 算力，解决了 10 个悬了十年以上的数学难题
AI 接管卫星 + 第三种预训练范式出现：今天两项「不声张」但可能变革行业的突破
DeepSeek V4-Flash 0731 重磅升级：Agent 能力暴涨 4 倍，MIT 开源，价格只有 V4-Pro 的三分之一
Tycho：用 Python 代码代替神经网络，在 ARC-AGI-3 上实现「理解」而非「猜测」
Gemini Robotics 2：Google把「全身控制」塞进了人形机器人，五指灵巧手还能给垃圾袋打结
评论 (3)
[…] Kimi K 3 开源后的产业影响。关于权重体积、参数与部署门槛，请阅读Kimi K 3 完整权重技术拆解；用于生产前，请同时查看Kimi K 3 […]
[…] Kimi K 3 完整权重开源分析 […]
[…] Kimi K 3 完整权重与部署门槛 […]
评论被关闭。