Kimi K3 的权重开源了吗？用什么许可？
权重已在 Hugging Face 开放，采用 Kimi K3 License——这是自定义许可而非 Apache 2.0、MIT 这类标准开源协议，商用前需要核对条款。官方同时开放了 GitHub 仓库和技术报告 PDF。发布的权重为 MXFP4 精度，约 1.42 TiB、拆成 96 个 Safetensors 分片，属于多机集群部署级别。
KI
模型参数
2.8万亿
上下文长度
1M
多语言支持
支持
推理能力
5/5
Moonshot AI 于 2026 年 7 月 16 日发布的旗舰模型，2.8 万亿总参数 / 1040 亿激活的 MoE 架构，1M 上下文与 1M 最大输出，权重按 Kimi K3 License 在 Hugging Face 开放（MXFP4 精度约 1.42 TiB、96 个分片）。支持文本、图像、视频输入。它的定位非常清晰：智能体与专业生产力任务。在 DataLearner 已收录的 55 条成绩中拿下 14 个第一，包括 BrowseComp 91.20（54 个模型）、Toolathlon-Verified 76.50、MCPMark-Verified 94.50、FrontierSWE 81.20、Program Bench 77.80、Harvey Lab-AA 94.60、MathVision 97.80，以及 CorpFin v2、Office QA Pro、Finance Agent v2、Legal Research Bench、SpreadsheetBench 2 等一批垂直办公评测。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
Kimi K3
模型基本信息
推理过程
支持
思考模式
思考水平 · 最高 (Max) (默认)思考水平 · 低 (Low)思考水平 · 高 (High)
上下文长度
1M tokens
最大输出长度
1M tokens
模型类型
推理大模型
输入/输出模态
文本、图像、视频 → 文本
发布时间
2026-07-16
模型文件大小
约 1.42 TiB（MXFP4，96 个 Safetensors 分片）
MoE架构
是
总参数 / 激活参数
2.8万亿 / 1040亿
知识截止
暂无数据
Kimi K3
开源和体验地址
Kimi K3
官方介绍与博客
官方论文
DataLearnerAI博客
暂无
Kimi K3
API接口信息
接口速度
2/5
💡默认单位：$/100万 tokens。若计费单位不同，则以供应商公开的原始标注为准。
标准模式
| 类型 | 适用条件 | 输入 | 输出 |
|---|---|---|---|
| 文本 | - | ¥20.00/ 1M | ¥100.00/ 1M |
international
| 类型 | 适用条件 | 输入 | 输出 |
|---|---|---|---|
| 文本 | - | $3.00/ 1M | $15.00/ 1M |
缓存定价Prompt缓存
| 类型 | 有效期 | 写入 | 读取 |
|---|---|---|---|
| 文本 | - | — | $0.300/ 1M |
表中「—」表示该模态在此方向不计费，或供应商未公开对应价格。
Kimi K3
评测结果
Kimi K3 当前已收录的代表性评测结果包括 BrowseComp（1 / 54，得分 91.20）、Creative Writing（2 / 99，得分 2070.80）、Terminal-Bench 2.1（2 / 47，得分 88.30）。 本页还汇总了参数规模、上下文长度与 API 价格，便于结合评测结果与部署约束一起判断模型适配度。
科学与综合推理
共 3 项评测评测名称 / 模式
得分
排名/总数
AI Agent - 工具使用
共 8 项评测评测名称 / 模式
得分
排名/总数
编程与软件工程
共 9 项评测评测名称 / 模式
得分
排名/总数
Agent能力评测
共 4 项评测评测名称 / 模式
得分
排名/总数
生产力知识
共 9 项评测评测名称 / 模式
得分
排名/总数
多模态理解
共 14 项评测评测名称 / 模式
得分
排名/总数
和其他模型对比
Kimi K3
发布机构
Moonshot AI
查看发布机构详情 Kimi K3
模型解读
Kimi K3 与开放权重
Kimi K3 是 Moonshot AI 于 2026 年 7 月 16 日发布的原生多模态智能体旗舰模型。官方称其为首个开放的 3T 级模型：总参数量 2.8T、每 token 激活约 104B 参数，支持 1,048,576 tokens 上下文。完整模型权重、推理代码与技术报告已于北京时间 2026 年 7 月 28 日开放，可从 Hugging Face 和 GitHub 获取。
架构与技术规格
K3 采用 Stable LatentMoE：共 93 层，其中 1 个稠密层；注意力层由 69 层 Kimi Delta Attention（KDA）和 24 层 Gated MLA 组成。模型拥有 896 个路由专家，每个 token 选择 16 个专家，另有 2 个共享专家；隐藏维度为 7168，96 个注意力头，词表规模约 160K。视觉编码器为 401M 参数的 MoonViT-V2。
模型从 SFT 阶段开始采用量化感知训练，发布权重为 MXFP4，激活为 MXFP8。Hugging Face 仓库包含 96 个 Safetensors 分片，权重及相关大文件约 1.42 TiB。官方推荐 vLLM、SGLang 与 TokenSpeed 作为推理引擎。
能力与 API
K3 面向长周期软件工程、知识工作、深度推理和视觉任务，支持文本、图像和视频输入以及文本输出。API 支持函数与工具调用、严格 JSON Schema 结构化输出、Partial Mode、动态工具加载、自动上下文缓存，以及 OpenAI/Anthropic 兼容调用方式。
K3 始终启用思考，reasoning_effort 支持 low、high、max 三档，默认 max。多轮对话和工具调用必须原样回传上一轮完整 assistant message，包括 reasoning_content 与 tool_calls。
官方评测
官方开放权重模型卡给出的评测表相当完整：共 45 个基准、50 条成绩，其中 5 组同时提供无工具与工具增强两个结果。所有 K3 成绩均使用 max reasoning effort 与 temperature=1.0；单步推理和无工具视觉任务采用 top_p=0.95，智能体任务采用 top_p=1.0。代表性结果包括 GPQA Diamond 93.5、DeepSWE 67.5、Terminal-Bench 2.1 88.3、BrowseComp 91.2、MCPMark-Verified 94.5、OSWorld-Verified 84.8、OmniDocBench 91.1。
价格与访问条件
官方 API 按每百万 tokens 计费：中国区缓存命中输入 ¥2、缓存未命中输入 ¥20、输出 ¥100；国际区分别为 $0.30、$3、$15。K3 API 需账户成功充值至少 1 美元后解锁，账户等级决定并发和速率限制。
Kimi K3 License
代码、权重、配置与相关文档均采用 Kimi K3 License。该许可允许使用、复制、修改、分发、再许可、销售、部署和微调，但须保留版权与许可声明并遵守适用法律。若许可方或关联方经营 MaaS 且任意连续 12 个月总收入超过 2,000 万美元，商业使用前须与 Moonshot AI 另签协议；若商业产品月活超过 1 亿或月收入超过 2,000 万美元，界面须显著展示“Kimi K3”。内部使用、官方产品和认证推理合作伙伴适用例外条款。
使用限制
- API 的 temperature=1.0、top_p=0.95、n=1、presence_penalty=0 和 frequency_penalty=0 为固定值。
- 视觉输入不支持直接使用公网图片 URL，应使用 base64 或已上传文件的
ms://地址。 - 官方 Web Search 正在更新，当前不建议用于生产工作流。
- 自部署需要极高的存储、显存、互联和推理引擎适配成本，开放权重不等于普通工作站可运行。
官方资料
Hugging Face 权重与模型卡 · GitHub 代码与技术报告 · 官方技术博客 · API 快速开始 · 官方价格
Kimi K3
常见问题
Kimi K3 最擅长什么？
智能体和专业办公，而且优势很明显。在库内已收录成绩里它拿了 14 个第一：信息收集方面 BrowseComp 91.20（54 个模型中第 1）、DeepSearchQA 95；工具使用方面 MCPMark-Verified 94.50、Toolathlon-Verified 76.50、SaaS-Bench 60.10 均第 1，Terminal-Bench 2.1 88.30 和 OSWorld-Verified 84.80 均第 2；编程方面 FrontierSWE 81.20、Program Bench 77.80、Kimi Code Bench 2.0 72.90、MLS Bench 48.30 第 1；垂直办公方面 Harvey Lab-AA 94.60、CorpFin v2 71.60、Office QA Pro 63.30、Finance Agent v2 54.40、Legal Research Bench 44.20、SpreadsheetBench 2 34.80、ResearchRubrics 76.20 全部第 1。多模态的 MathVision 97.80 也是 10 个模型中第 1。
Kimi K3 有什么短板？
综合难题和纯 Agent 长程评测上不是最强。HLE 带工具 56 分在 181 个模型中排第 14，不带工具 43.50 掉到第 50；APEX-Agents 41 分在 5 个模型中垫底；GDPval-AA v2 1686 排 13 个第 6，AA-Briefcase 1548 排 6 个第 4，PostTrain Bench 36.60 排 4 个第 3。它的强项集中在有明确工具和流程的任务上，纯靠内部推理的硬核难题不占优。
Kimi K3 的上下文和输出有多长？
上下文 1M tokens，最大输出也是 1M tokens——输出上限做到和上下文等长在同期模型中很少见（多数是 128K 或 256K）。长上下文实测 AA-LCR 74.70 在 18 个模型中排第 2。
Kimi K3 的 API 价格是多少？
美元计价为每百万 tokens 输入 $3.00、缓存命中输入 $0.30、输出 $15.00；人民币计价为输入 20 元、缓存命中 2 元、输出 100 元。官方定价文档在 platform.kimi.com 的 chat-k3 页面。
Kimi K3 相比 K2.6、K2.7 Code 有什么不同？
K3 是新一代基座，参数规模来到 2.8 万亿总参 / 1040 亿激活，并把上下文和输出都拉到 1M，同时首次加入图像和视频输入。K2.7 Code 是上一代面向编程的专门版本，K2.6 是上一代通用版本。从库内成绩看，K3 的提升主要体现在智能体工具链和垂直办公场景，而不只是编程分数。
What does self-hosting Kimi K3 require?
Moonshot recommends vLLM, SGLang, or TokenSpeed. The MXFP4 release is roughly 1.42 TiB, so deployment still requires large accelerator memory, high-speed interconnects, storage, and compatible serving software.
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
