7月16日，月之暗面正式发布新一代旗舰模型Kimi K3。根据官方披露，Kimi K3拥有2.8万亿总参数，采用原生多模态设计，支持100万Token上下文窗口，面向长周期编程、知识工作和深度推理等复杂任务。这也是月之暗面首次将模型规模推进至接近3万亿参数级别。

## 从“会回答”走向“能持续完成任务”

Kimi K3最值得关注的变化，并不只是参数规模扩大，而是对长周期智能体任务的强化。传统大模型在短对话中可以给出不错的回答，但面对大型代码仓库、跨文档研究或持续数小时的工程任务时，往往容易丢失上下文或偏离目标。

官方表示，Kimi K3能够在较少人工干预的情况下持续执行较长的工程任务，浏览大型代码库，并协调终端工具完成工作。原生视觉能力也让模型可以结合截图、界面和视频进行判断，在前端开发、游戏制作、CAD和视觉化知识工作中形成“观察—修改—再验证”的闭环。

## 2.8万亿参数背后的架构变化

Kimi K3基于Kimi Delta Attention和Attention Residuals构建，并进一步扩大混合专家模型的稀疏度。官方披露，模型共有896个专家，每次推理有效激活其中16个。通过Stable LatentMoE等设计，模型在扩大规模的同时，尽量控制计算成本和推理效率。

月之暗面称，新的架构和训练方案使Kimi K3相比Kimi K2获得约2.5倍的整体扩展效率提升。对行业而言，这意味着开源大模型的竞争正在从单纯“堆参数”，转向参数规模、激活效率、长上下文和智能体执行能力的综合较量。

## 编程、科研与知识工作成为重点场景

在官方展示的案例中，Kimi K3尝试完成GPU内核优化、从零构建小型编译系统、视觉驱动的游戏开发以及科研代码复现等任务。官方还展示了模型在研究报告、交互式可视化、表格、演示文稿和视频编辑等知识工作中的应用。

不过，月之暗面也在技术博客中明确表示，Kimi K3整体表现仍与最强闭源模型存在差距，并列出了思考历史敏感、行动过度主动等限制。这种相对克制的说明提醒开发者：在企业部署中，仍需通过权限边界、系统提示和过程验证，约束智能体的自主行为。

## 开源生态迎来新的规模竞赛

目前，Kimi K3已经在Kimi网页端、Kimi Work、Kimi Code和API中提供使用。官方计划在2026年7月27日前发布完整模型权重，并在技术报告中进一步披露架构、训练和评测细节。

Kimi K3的发布表明，国内大模型正在继续向更大规模、更长任务和更强多模态智能体能力推进。真正决定其行业影响力的，不只是榜单成绩，还包括模型权重开放后的部署成本、硬件适配、开发生态，以及在真实企业任务中的稳定性。

来源：Moonshot AI、Kimi K3官方技术博客。本文为AIcent基于公开资料的原创整理与分析。