LaoNongAPIAI 大模型 API与Token中转服务稳定、高效、低成本前言今天,我们正式推出 Kimi K3——我们迄今为止最强的模型。Kimi K3 是一颗**2.8T 参数**的大模型,基于自研的**Kimi Delta Attention (KDA)**与**Attention Residuals (AttnRes)**架构,具备**原生视觉能力**和**1M token 上下文窗口**。它是**全球首个开源的 3T 级模型**,专为长程编码 (long-horizon coding)、知识工作和推理而设计,面向 frontier intelligence 这一目标。虽然整体性能仍落后于目前最强的闭源模型**Claude Fable 5**和**GPT-5.6 Sol**,但 Kimi K3 在我们整套评测体系中展示了 frontier 级别的性能,稳定优于其他被测模型。发布时 Kimi K3 默认采用**max thinking effort**;后续将逐步引入 low / high effort 模式。我们正在与推理合作伙伴和开源社区紧密协作,对齐技术细节、确保生态稳定发布。**完整模型权重将于 2026 年 7 月 27 日前正式放出**。架构、训练和评测的更多细节将随 Kimi K3 技术报告一并发布。一、An Open 3T-Class Model(首个开源 3T 级模型)Kimi K3 是首个达到 2.8T 参数规模的开源模型。它延续了 Kimi 团队在 scaling frontier 上的持续推进:过去 12 个月里有 9 个月,Kimi 模型都在刷新开源模型尺寸的上限。Kimi K3 基于两个架构升级:Kimi Delta Attention (KDA)Attention Residuals (AttnRes)二者共同改善信息在序列长度和模型深度上的流动方式。我们还把Mixture of Experts (MoE)的稀疏度往上推:搭配Stable LatentMoE框架,实际激活16 / 896专家。配合改进后的训练与数据配方,这些结构变化带来整体 scaling 效率比 Kimi K2 提升约 2.5×,让模型能更高效地把算力转化为智能。Stable LatentMoE 的核心创新:Quantile Balancing:直接由 router-score 分位数推导专家分配,消除启发式更新与敏感的平衡超参;Per-Head Muon:把 Muon 优化器扩展到 attention head,实现更自适应的可扩展学习;Sigmoid Tanh Unit (SiTU) Gated MLA:分别改善激活控制与注意力选择性。上述组合让 2.8T 规模训练既稳定又高效。二、Coding(编码)Kimi K3 在长程编码 (long-horizon coding) 上表现强劲。仅需极少人工监督,它就能:持续推进长工程会话跨大型代码仓库导航编排 terminal 工具链Kimi K3 在软件工程 × 视觉推理的混合任务上也极其出色——它会利用截图与画面信息,反推前端/游戏/CAD 优化方案。下面这些案例研究,展示了 Kimi K3 的编码能力如何转化为开放式软件创作和科研工作流。1. Kernel Optimization(GPU 算子优化)我们测试了模型在 GPU 算子优化上的能力。每个模型在相同的 sandbox 中独立工作,最多 24 小时,profile / rewrite / benchmark 四个任务,涵盖AttnRes、KDA、512-head-dimension MLA kernel,跨NVIDIA H200与一个 GPGPU 替代供应商。结果:Kimi K3 与Claude Fable 5(with fallback)表现接近;Kimi K3 显著优于Opus 4.8、GPT-5.6 Sol、GPT-5.5。注:Claude Fable 5 的结果由第三方评估,可能包含 fallback 行为;各模型的少量轨迹中包含可接受的小幅精度简化,均落在我们数值容差内。GPGPU 指用于通用计算(非图形)的 GPU。在 Kimi K3 开发的后期,早期版本的 Kimi K3 接手了团队大部分的 kernel 优化工作。2. GPU Compiler Development(从零写 GPU 编译器)我们进一步测试 Kimi K3 能否从零搭建 GPU 编程系统。Kimi K3 写出了MiniTriton——一个紧凑的 Triton-like 编译器,包含:自有 tile-level IR(在 MLIR 之上)一套优化 passPTX 代码生成流水线在支持的 roofline benchmark 上,MiniTriton 性能与 Triton、torch.compile 相当或更优,在部分工作负载上反超 Triton。超出 microbenchmark 之外,MiniTriton 在端到端 nanoGPT 训练中保持稳定收敛,loss 曲线与参考实现几乎完全对齐,只存在极小偏差——这在真实工作负载上验证了整条流水线的正确性。这些结果表明 Kimi K3 可以构建一个完整的端到端编译器(从 DSL 前端、IR pass 到 PTX codegen 和 runtime),而不是孤立的 kernel。其从零写出的 Tensor Core 路径已能与 Triton 久经优化的栈掰手腕。3. Game Dev and Digital Creation(游戏开发与数字创作)Kimi K3 把3D 推理、编码、视觉能力合在一起,能把概念、图像、视频变成完整可玩的交互体验。它通过在代码与实时截图之间反复迭代,做到真正的”vision in the loop”,即时看到并打磨输出。Case 1:3D Open World(3D 开放世界)Kimi K3 用Three.js WebGPU GPU compute搭了一个完全程序化生成的浏览器 3D 探索游戏。它程序化生成环境,并用 3D 资产生成工具做出骑手和马匹模型,最终呈现出一个拥有森林、木屋村庄、雪山、动态天气的广阔开放世界。4. Chip Design(芯片设计)作为早期验证,Kimi K3 自主设计了一颗芯片,用来跑一个基于自有架构的 nano 模型。在一次48 小时自治运行中,K3 用开源 EDA 工具,在Nangate 45nm 库上完成从构建、优化到验证的全流程:4 mm²die 面积100 MHz主频,时序收敛仿真中持续8,700 tokens/s解码吞吐1.46M标准单元0.277 MBSRAMINT4 MAC 阵列 fused dequantization一颗模型为模型设计的芯片,这是 K3 长程 agentic 能力的直接体现。5. Coding for Research(科研向编码)Kimi K3 把科学文献与可执行代码打通,自主完成科研工作流的实现、验证和分析。典型案例:为复现计算天体物理中的I–Love–Q 普适关系,K3:审阅并交叉验证20 篇论文实现完整数值 pipeline评估300 状态方程发现已发表公式中的不一致生成3,000 行 Python 代码输出可交互的 HTML dashboard 展示结果原本需要经验丰富的 researcher1~2 周的工作,Kimi K3 用了约 2 小时完成。三、Knowledge Work(知识工作)Kimi K3 推动端到端知识工作。除公开 benchmark 外,Kimi K3 (max) 在我们的内部评测中持续领先,这些评测脱胎于真实用户-agent 工作流中反复出现的模式与挑战。这种在多条产品化工作流上的稳定优势,反映了 Kimi K3 在 agentic 知识工作能力上的整体提升。1. Research with Interactive Visualization(带交互可视化的研究)以下是 Kimi Work 中 Kimi K3 在金融咨询和科研领域能产出的几个示例:Case 1:42 年 AI ASIC 行业交互研究网站一份可下钻的交互式研究报告:覆盖42 年的 ASIC 行业,经120 轮递归自我改进生成。Kimi K3 把证据转换为定制化图表、动画演示和交互式视觉叙事。数据获取过程:2.8k 次web search/fetch 1.1k 次terminal 拉数,横跨11k 页,覆盖87 份季报 99 份原始 PDF。Case 2:Fusion 行业研究一份咨询风格行业报告,带交互式可视化,包含时间线、Funnel Chart、Range Bar Chart、Gantt Chart以及出版级幻灯片。Case 3:GWTC-5 引力波分析对391 起引力波事件做分析,使用20 个并发子 agent,产出7 张科研可视化 2 张表 1 份文献综述(基于 10 篇论文)。Kimi K3 在信息图风格的演示上也特别有效,包括可编辑的热力图和年报。2. Widgets and Dashboard(小组件与面板)Kimi Work 新增两个特性:Widgets:在对话中直接生成可交互组件,可连接本地数据或外部插件,实现持续刷新;Dashboard:把你最关心的小组件汇聚到一个持久、个性化的视图,围绕主题/项目/目标组织。四、Video Editing(视频编辑)Kimi K3 在动效设计、动画与视频剪辑上同样出色,因为它的原生多模态架构在同一个模型里同时理解文本、图像与视频。示例 1:K3 制作了一段3Blue1Brown 风格的动效演示,讲解它自己的架构——把技术概念翻译成动画图示和过渡。示例 2:Kimi K3 用56 段源素材剪辑了它自己的预热视频,自主完成片段挑选、motion-matched cuts、帧级节拍同步、音频处理和多轮迭代。这类高密度短视频,经验丰富的剪辑师通常需要1-2 个工作日,新手需要3-5 天。五、Architecture and Infrastructure(架构与基础设施)Kimi K3 的核心架构由KDA (Kimi Delta Attention)与AttnRes (Attention Residuals)共同支撑。KDA 为 attention 扩展提供高效基础;AttnRes 选择性地在深度上检索表征,而不是均匀累加。两者结合,构成面向万亿参数之后继续 scaling 的架构骨干。Kimi K3 采用Stable LatentMoE,实际激活16 / 896专家。在这种稀疏度下,routing 与优化成为一等公民问题。Quantile Balancing从 router-score 分位数直接推导专家分配,去掉了启发式更新和敏感的平衡超参;Per-Head Muon把 Muon 扩展到独立优化每个 attention head,在大规模下提供更自适应的学习。SiTU (Sigmoid Tanh Unit)与Gated MLA分别改善激活控制与注意力选择性。共同作用下,2.8T 参数规模训练既稳定又高效。Kimi K3 从 SFT 阶段起就采用量化感知训练,使用MXFP4 权重 MXFP8 激活,保证硬件兼容性。为防止专家不均衡在大 expert-parallel 时拖累吞吐,我们引入完全均衡的 expert-parallel 训练方法——静态 shape、关键路径上无 host 同步。考虑到推理效率同样受益于更大的高带宽通信域,推荐在 64 卡以上的 supernode 配置上部署 Kimi K3。由于 KDA 给传统 prefix caching 带来新挑战,我们向vLLM 社区贡献了相应的实现,会随模型一起发布。带 prefill cache 的 KDA,让 Kimi K3 在规模与长上下文的约束下,仍能提供极具竞争力的 token 单价。更多技术细节将在即将发布的技术报告中给出。六、Availability(可用性)渠道说明Kimi K3 Agents移动端更新最新 Kimi App(iOS / Android / HarmonyOS),或访问 http://kimi.comWork with Kimi K3下载最新版 Kimi Work 桌面端,3.1.0,支持 Windows 与 Apple Silicon MacCode with Kimi K3terminal 中跑 Kimi Code,使用 /model 命令切换到 Kimi K3Build with the Kimi APIKimi API Platform 选 kimi-k3。定价:0.30 / MTok (cache-hit 输入),3.00 / MTok (cache-miss 输入),$15.00 / MTok (输出)。基于 Mooncake 的分离式推理架构,官方 API 在编码工作负载上 90% cache 命中率企业部署Kimi Enterprise 提供企业级数据隐私与成员管理,个人/企业账号完全隔离。在定价页选 “Get Kimi Enterprise” 给团队订阅七、Full Benchmark Table(完整 benchmark 表)所有 Kimi K3 成绩在reasoning effort ‘max’,temperature 1.0,top-p 1.0下报告。视 benchmark 而定,各模型分别在KimiCode / Claude Code / Codex三种 agentic harness 之一上评估。1. CodingBenchmarkKimi K3 (max)Claude Fable 5 (max, fallback)GPT-5.6 Sol (max)Claude Opus 4.8 (max)GPT-5.5 (xhigh)GLM-5.2 (max)DeepSWE67.570.073.059.067.046.2Program Bench77.876.877.671.970.863.7Terminal Bench 2.188.384.688.884.683.482.7FrontierSWE81.286.671.366.764.967.3SWE Marathon42.035.039.040.014.013.0PostTrain Bench36.641.434.634.128.434.3MLS Bench48.349.946.242.835.540.4Kimi Code Bench 2.0 (Internal)72.976.964.871.769.064.22. AgenticBenchmarkKimi K3 (max)Claude Fable 5 (max, fallback)GPT-5.6 Sol (max)Claude Opus 4.8 (max)GPT-5.5 (xhigh)GLM-5.2 (max)GDPval-AA v2 (Elo)1668.01760.01748.01600.01494.01514.0BrowseComp91.288.090.484.384.4—DeepSearchQA (f1)95.094.2—93.1——Toolathlon-Verified73.277.974.976.273.559.9MCP Atlas84.284.783.683.682.882.6Automation Bench30.829.129.727.222.712.9Job Bench52.957.446.548.438.343.4AA-Briefcase (Elo)1548.01583.01495.01354.01158.01260.0APEX-Agents37.643.339.939.438.535.6Office QA Pro63.369.9*63.2*63.9*60.9*41.4SpreadsheetBench 234.834.7*32.4*31.6*29.1*28.1DECK-Bench (Internal)73.573.074.766.968.268.63. Reasoning KnowledgeBenchmarkKimi K3 (max)Claude Fable 5 (max, fallback)GPT-5.6 Sol (max)Claude Opus 4.8 (max)GPT-5.5 (xhigh)GLM-5.2 (max)GPQA-Diamond93.592.694.191.093.591.2HLE-Full43.553.344.549.8*41.4*—HLE-Full w/ tools56.063.058.057.9*52.2*—4. VisionBenchmarkKimi K3 (max)Claude Fable 5 (max, fallback)GPT-5.6 Sol (max)Claude Opus 4.8 (max)GPT-5.5 (xhigh)GLM-5.2 (max)MMMU-Pro81.681.283.078.981.2—MMMU-Pro w/ python83.486.584.682.783.2—CharXiv (RQ)84.888.984.680.584.1—CharXiv (RQ) w/ python91.393.589.189.989.0—MathVision94.394.895.886.792.2—MathVision w/ python97.898.697.897.196.8—BabyVision w/ python85.790.588.981.283.6—ZeroBench_main (pass5)23.023.017.017.022.0—ZeroBench_main w/ python (pass5)41.046.035.034.041.0—WorldVQA ForceAnswer51.056.741.839.138.5—OmniDocBench91.189.885.887.989.4—PerceptionBench58.557.259.747.255.8—标注*的成绩引自厂商官方 blog 或官方 leaderboard。八、Limitations(局限)1. Sensitivity to thinking history(对思考历史的敏感)K3 在保留思考历史(preserved thinking history)模式下训练。如果 agent harness 没有按要求把历史思考内容回传,或在其他模型的进行中会话切到 K3,生成质量可能变得很不稳定。建议使用经过验证兼容性的 harness(如 Kimi Code),避免在会话中途切到 K3。2. Excessive proactiveness(过度主动)K3 的训练特别强调长程、高难度任务。因此,当它在任务执行中遇到小问题或用户意图模糊时,可能会替用户做出意料之外的决策。如果你的应用要求 agent 在明确边界内运行、避免过度即兴发挥,请在 system prompt 或AGENTS.md中给 K3 更明确的行为约束。整体上,虽然 K3 极具竞争力,但相对 Claude Fable 5 和 GPT-5.6 Sol,它在用户体验上仍存在一定可感知的差距。