Kimi K3 2.8万亿参数开源，月之暗面开放日全解读

从 K2 到 K3，参数量增长三倍，但月之暗面强调“规模化并非单纯堆砌参数”。真正引发业界震动的，是其实现的 2.5 倍规模化效率提升。

月之暗面近日举办 Kimi K3 开放日，正式发布 Kimi K3 模型权重与技术报告，并开源 MoonEP、FlashKDA 和 AgentEnv 三大核心基础设施技术。这一系列举措将国产大模型的开源竞争推向了"3 万亿参数级”的新高度。

2.8 万亿参数的技术含义

Kimi K3 是一款拥有2.8 万亿参数的混合专家（MoE）模型。相比之下，DeepSeek V3 的参数规模约为 671B（激活参数 37B），K3 的总参数量是其四倍以上。

K3 的具体架构特征如下：

凭借这一规模，K3 不仅成为全球参数最大的开源模型，上线后更迅速登顶多个基准测试榜单。数据显示，在通用推理、通用 Agent 及编程 Agent 三大领域的大规模评测中，K3 均取得开源模型中的领先成绩。据报道，月之暗面目前估值已达 500 亿美元，计划于 8 月启动上市前最后一轮融资。

受限算力下的效率突破

月之暗面在技术报告中坦诚提及面临的“并不宽裕的算力条件”。在 H20 芯片出口管制背景下，这是国产大模型厂商普遍面临的现实瓶颈。

K3 的核心亮点正是在此约束下实现的：K3 参数规模是 K2.5 的 3 倍，但规模化效率提升了 2.5 倍。这意味着单位算力产出的智能水平达到了原有水平的 2.5 倍。

分析指出，K3 背后的三大自研技术——Kimi Delta Attention（KDA）、Attention Residuals（AttnRes）和 MoonEP——是效率提升的关键引擎：

正如媒体评价：“在算力受限的背景下，K3 展示了一条不同于单纯堆砌参数的技术发展路径。”

开源生态：模型与基础设施并重

伴随 K3 权重发布的，还有支撑其训练的三大基础设施技术：

这三项技术覆盖了从高性能通信到高性算子，再到分布式 RL 环境的关键链路。

行业分析认为，K3 的开源力度超出市场预期。不仅开放模型权重和技术报告，更将训练基础设施一并公开，这在全球大模型开源生态中极为罕见。

在市场层面，MoE 架构的规模化正在推动 AI 算力的结构性增长。台积电已将资本支出上调至 600 亿 -640 亿美元区间，HBM、DRAM、SSD 等全层级存储需求同步升级。

开放的战略意义

月之暗面表示：“我们坚信开放权重模型的价值。它们能降低获取智能的门槛，推动创新，并赋予用户对数据更大的控制权。”

从行业视角审视，K3 的开源策略具有多重深远含义：

月之暗面明确表示，K3 并非终点，未来将继续向上探索参数规模。

结语

Kimi K3 的发布不仅是月之暗面的里程碑，更是国产大模型走向开放生态的关键一步。2.8 万亿参数的体量、2.5 倍的效率提升以及三大核心技术的开源，展示了中国 AI 公司在 AGI 赛道上的独特路径。

在算力受制的大环境下，通过架构创新实现“少米之炊”，或许正是国产大模型实现弯道超车的最现实路径。