Kimi K3：Moonshot AI 的 2.8T 開放權重前沿模型，專為智能體程式設計打造

Kimi K3 是 Moonshot AI 最新的旗艦大型語言模型——以 2.8 兆參數的規模，成為迄今發布的最大開放權重模型。於 2026 年 7 月 16 日正式推出，它將前沿等級的混合專家（Mixture-of-Experts，MoE）架構與 100 萬 Token 的上下文視窗相結合，並以智能體優先的方式聚焦於程式設計與長程知識工作。令人矚目的不僅是規模：Moonshot 選擇完整釋出模型權重，讓自架智能體也能觸及真正的前沿效能。以下是 K3 的實際面貌、基準測試表現、定價，以及它的適用場景。

本指南涵蓋 K3 的架構、基準測試、定價、與 K2 系列的比較，以及開發者已在其上運行的具體工作流程。

什麼是 Kimi K3？

Kimi K3 是北京 Moonshot AI 推出的開放權重、智能體導向前沿模型，於 2026 年 7 月 16 日發布，為 Kimi K2 系列的繼任者。Moonshot 將其定位為公司迄今最強大的開源程式設計模型，專為維持長時間工程作業、瀏覽大型程式碼庫，以及在最少人工監督下協調終端工具而生。(Fortune)

最引人注目的數字是規模。K3 採用稀疏 MoE 架構，擁有 2.8 兆個總參數——約為 K2.6 的 2.8 倍，也超越了 DeepSeek V4 Pro（約 1.6T）和智譜 GLM-5 系列等中國競爭對手。Moonshot 表示，這使其成為有史以來最大的開放權重模型。(VentureBeat)

關鍵在於，這些權重不會被鎖起來。Moonshot 已排定於 2026 年 7 月 27 日完整釋出開放權重，屆時開發者將能夠檢視、修改並自行託管模型，而不僅限於呼叫託管 API。(Axios)

規格與架構

K3 延續了 K2 系列以 OpenAI 風格、智能體優先的設計理念，並在各個維度上突破上限。

• 2.8T 參數稀疏 MoE——數百個專家搭配稀疏激活，每個 Token 只有一小部分網路實際運作。這種規模著重廣度與專業化，針對長程推理和複雜工具使用進行調優。(VentureBeat)
• 100 萬 Token 上下文視窗——足以將整個程式碼庫、設計系統或研究語料庫「一覽無遺」，無需繁瑣的分塊處理。(Axios)
• Kimi Delta Attention（KDA）——一種混合線性注意力機制，由 Moonshot 以開放研究形式首次發表，旨在讓超長序列的處理保持可行，同時避免標準注意力機制的成本爆炸。(VentureBeat)
• Attention Residuals（AttnRes）——Moonshot 將其描述為殘差連接的即插即用替代方案，能帶來穩定的擴展增益。(VentureBeat)
• 原生多模態輸入——支援文字與圖像的視覺理解，並內建 Moonshot 稱為「思考模式」的常駐推理功能。(Axios)
• 相容 OpenAI SDK——API 介面與 OpenAI 一致，已在 OpenAI 或 Anthropic 工具鏈上開發的團隊只需最少改動即可整合。(VentureBeat)

KDA 和 AttnRes 此前均已在 GitHub 上以開放研究形式發表——這表明 K3 的效率提升來自架構創新，而非單純的暴力擴展。(VentureBeat)

基準測試：K3 的表現定位

K3 首發即登上 Artificial Analysis 排行榜第 3 名，僅次於 Anthropic 的 Claude Fable 5 和 OpenAI 的 GPT-5.6 Sol——但領先其他所有模型，並在部分實際測試中拔得頭籌。(Wikipedia)

以下是發布分析中幾項突出的結果：

• GDPval-AA v2（涵蓋 44 種職業、9 個產業的真實世界任務）：K3 得分 1,687，總排名第三，落後於 Claude Fable 5 Max（1,815）和 GPT-5.6 Sol Max（1,747.8），領先 Claude Opus 4.8（1,600）。(VentureBeat)
• AA-Briefcase（私有長程知識工作基準測試）：K3 以 1,527 分奪得第二，超越 GPT-5.6 Sol Max，僅次於 Fable 5 Max。(VentureBeat)
• 任務自動化：K3 在八項基準測試中的四項排名第一，包括 Automation Bench、SpreadsheetBench 2 和 BrowseComp，在其他多數項目中以第二名收場，僅次於 Fable 5。(VentureBeat)
• 前端程式設計：在評測平台 Arena 的盲測中，開發者對 K3 的前端程式設計能力評價高於所有美國頂尖模型，包括 Fable 5 和 GPT-5.6 Sol。(Axios)

對智能體開發者而言，有一個細節值得關注：Moonshot 表示，上述自動化成績是在單一智能體設置下、使用 1M Token 上下文達成的——未使用任何上下文壓縮或外部上下文管理技巧。這暗示原始上下文長度加上強大的檢索能力，可以媲美複雜的多智能體解決方案。(VentureBeat)

需要注意的是：K3 公開僅數日，病毒式傳播的演示和早期基準測試可能誇大了模型在真實生產環境中的穩定表現。請將排行榜數字視為有前景的起點，而非定論。(Axios)

定價與存取方式

K3 現已可透過 kimi.com 介面、行動應用程式，以及 platform.moonshot.ai 的 Moonshot 平台 API 使用。託管定價約為每百萬輸入 Token $3，每百萬輸出 Token $15。(MLQ)

這是中國 AI 實驗室中定價最高的模型——與 Moonshot 早期模型以大幅折扣著稱的形象明顯不同。作為參考，這遠高於智譜 GLM-5.2（輸出 $4.40/M）和 DeepSeek V4（輸出 $0.87/M），但仍遠低於美國前沿模型：Claude Fable 同等工作的輸出費用約為每百萬 Token $50。(Fortune)

在規劃預算前，有兩點實際注意事項：

• K3 目前僅提供一種推理力度等級（「max」），獨立測試者回報推理 Token 消耗量極大——有人指出生成一個簡單 SVG 就消耗了約 13,241 個 Token（約 $0.25）。長鏈任務的費用累積相當快。(MLQ)
• 一旦權重於 7 月 27 日釋出，需要資料駐留或希望大規模控制成本的團隊即可選擇自行託管——這與 Moonshot 開放權重系列一貫的「託管轉自架」路徑相同。(Axios)

K3 與 K2.5 / K2.6 / K2.7 的比較：有何改變

如果你曾使用過 K2 系列，K3 與其說是全新的 API，不如說是全面提升了上限。平台保留了相同的 OpenAI 風格介面和工具呼叫語義，因此升級路徑相當順暢。

相較於 K2.x 的主要差異：參數量近 3 倍、上下文視窗延長 4 倍（1M vs 256k）、全新的 KDA + AttnRes 架構，以及更強的多模態推理能力。Moonshot 也表示，K3 在同等任務上的輸出 Token 數量比 K2.6 減少約 21%——延續了 Kimi K2.7 Code 的效率提升趨勢。(MLQ)

開發者與團隊的實際應用場景

K3 結合了前沿效能、超大上下文與開放權重，使其成為嚴肅智能體工作的有力骨幹選擇：

• 自主程式設計智能體，能夠獨立完成完整功能——維持長時間工程作業、瀏覽大型程式碼庫，並在最少監督下協調終端工具。(Fortune)
• 程式碼庫規模的遷移與原型開發——將 PRD、設計稿和舊有文件轉化為可運行的腳手架，同時在 1M Token 視窗中保留完整的專案上下文。
• 文件密集型知識工作，適用於金融、法律和顧問領域，大型上下文加上原生視覺能力有助於處理密集報告，而開放權重讓你日後可將敏感工作流程遷移至自架基礎設施。

這並非假設性的採用。Moonshot 早期模型已深入西方產品——Cursor 使用 Kimi 協助打造其 Composer 2 程式設計智能體，DoorDash 技術長表示公司將「較低層級的工作委派給 Kimi K2.6」。K3 進一步提升了這些團隊所面對的上限。(Fortune)

K3 對 AI 格局的意義

從戰略角度看，K3 是 Moonshot 證明開放權重模型能在最高價值領域——複雜程式設計、長程推理和多模態研究——與封閉系統正面競爭的一次嘗試。分析師將此次發布解讀為一個信號：即使面臨硬體限制，架構創新加上預訓練擴展仍能為中國實驗室帶來跨越式進步。(CNBC)

這也是一次競爭衝擊。此次發布——時間點恰在 2026 年世界人工智慧大會（上海）前夕——被廣泛解讀為開源模型不再落後封閉模型數月的有力佐證。對於評估前沿模型的開發者而言，這意味著 K3 應與 Claude 和 GPT-5.x 並列入選名單，尤其是當你的路線圖包含自架智能體和多模態工作流程時。(VentureBeat)

從更廣泛的開放權重視角來看，K3 與我們追蹤的其他前沿發布並列：DeepSeek V4 Pro、智譜 GLM-5.2 和 MiniMax-01。

將 Kimi K3 這樣的模型整合進你的 AI 工作團隊

K3 的真正價值，在於將前沿模型接入實際工作流程——程式碼庫、文件、終端和多步驟計畫——而非僅僅用於聊天。這正是模型無關、多智能體平台的用武之地：將長程程式設計任務路由至 K3，其他任務交由其他模型處理，並在真實工作中協調運作。Eigent 是一款開源協作桌面應用程式，可在本地運行多智能體 AI 工作團隊，讓你為每項任務選用最佳模型，同時將敏感資料保留在自己的機器上。了解智能體如何端對端審查 GitHub PR，然後下載 Eigent 立即體驗。

常見問題

什麼是 Kimi K3？

Kimi K3 是 Moonshot AI 的前沿大型語言模型，於 2026 年 7 月 16 日發布——一個擁有 2.8 兆參數的稀疏混合專家模型，具備 100 萬 Token 的上下文視窗和原生多模態輸入。Moonshot 稱其為有史以來最大的開放權重模型，也是公司迄今最強大的開源程式設計模型。

Kimi K3 是開源的嗎？

Moonshot 已承諾於 2026 年 7 月 27 日釋出 K3 的完整權重，屆時開發者可以檢視、修改並自行託管。在此之前，K3 可透過託管的 kimi.com 介面、行動應用程式和 Moonshot 平台 API 存取。

Kimi K3 與 Claude 和 GPT-5 相比如何？

K3 首發即登上 Artificial Analysis 排行榜第 3 名，僅次於 Anthropic 的 Claude Fable 5 和 OpenAI 的 GPT-5.6 Sol，同時在部分實際測試中領先——包括 Arena 的盲測前端程式設計評估，開發者對其評價高於兩者。它在八項任務自動化基準測試中的四項排名第一。

Kimi K3 的費用是多少？

託管定價約為每百萬輸入 Token $3，每百萬輸出 Token $15——是中國 AI 實驗室中定價最高的，但仍遠低於 Claude Fable 等美國前沿模型。K3 目前僅提供單一「max」推理等級，測試者回報推理 Token 消耗量極大，因此長鏈任務費用可能相當可觀。

K3 相較於 K2 系列有何新進展？

K3 將參數量從 K2 的 1T 擴展至 2.8T，上下文視窗從 256k 延伸至 1M Token，並新增兩項架構技術——Kimi Delta Attention 和 Attention Residuals。它在同等任務上的輸出 Token 數量也比 K2.6 減少約 21%，同時具備更強的多模態推理能力。

我可以在 Eigent 這樣的多智能體平台上使用 Kimi K3 嗎？

可以。由於 K3 相容 OpenAI SDK，且（自 7 月 27 日起）支援自行託管，Eigent 這樣的模型無關平台可以將長程程式設計和知識工作任務路由至 K3，同時使用其他模型處理例行步驟——在需要時將資料保留在本地。