2026年7月28日，AI圈炸了。月之暗面（Moonshot AI）正式发布了 Kimi K3——一个 2.8T 总参数的 MoE 模型，激活参数 104B，原生 100 万上下文窗口。但真正让整个行业沸腾的，不是参数本身，而是全栈开源这四个字。

不是放个权重就炒概念的“伪开源”。这次，月之暗面把推理内核、MoE 通信库、Agent 训练环境——整套底层技术栈——全给你端了出来。

 

技术硬实力：不只是大，更是巧

先看一组核心数据：

• 2.8T 总参数，MoE 架构，激活仅 104B，兼顾容量与效率

• 原生 100 万 token 上下文窗口，足以一次性处理《三体》三部曲体量的长文本

• 全新模型架构：KDA 注意力和 AttnRes 架构创新，单位算力智能密度提升 2.5 倍，长上下文解码速度翻 6 倍

MoE（混合专家）架构的精妙之处在于：2.8T 是“专家团队”的总人数，但每次推理只激活其中最顶尖的 1040 亿“专家”。既有超大知识容量，又控制了推理成本。

而最狠的，是月之暗面把整个技术栈都开源了——FlashKDA 高性能内核、MoE 通信库，连用来做 Agent 强化学习的快照式训练环境 AgentENV，全部对外开放。

这意味着什么？搞大模型的不需要从零搭建底层通信框架，做 Agent 的不再被闭源接口卡脖子，小团队也能基于全栈直接做二次开发。

之前所有开源模型，本质都是在追赶闭源模型一年多前的尾巴。Kimi K3 是第一个真正摸到闭源顶尖门槛的开放模型。

 

Kimi K3 开源模型下载

 

1、Hugging face 下载 【链接直达】

2、网盘打包下载：【点击下载】  

 

 

开源 vs 闭源：天平正在倾斜

这场开源运动的标志性时刻，得到了整个行业的呼应。

英伟达 CEO 黄仁勋在 X 上发布的第一条贴文，就是倡导开源模型。他说：

“人工智能将改变每个行业，赋能每个公司，并由每个国家构建。开源模型加强安全性和网络安全，加速创新和传播，并实现主权。世界需要前沿闭源模型，也需要前沿开源模型。”

老黄的第一条推文给了开源——这个信号的分量，足以说明整个算力底座的流向都在向开源倾斜。

而谁最反对开源？Anthropic。毕竟如果人人都有顶级开源模型，闭源 API 的生意就会受到冲击。

现实也确实如此。在 Arena.ai 的前端代码竞技场和文本竞技场中，虽然 Claude Opus 5 Max 排名第一，但作为开源模型的 Kimi K3 就紧随其后，排名第二。

更有趣的是，网友 Samar Maharaj 专门做了一个讽刺动画游戏，叫“Anthropic vs 其他 AI：争夺开源权重的竞赛”，把 Anthropic 刻画成拼命护住代码的守财奴，而 Kimi K3 则像个慷慨的侠盗。

第三方评测：屠榜级的成绩单

光说没用，看数据。

Slides Arena（Python-PPTX）：Kimi K3 以 Elo 1379 分位列第一，而且是该竞技场有史以来最大的领先优势。评测方感叹：“不仅是第一，而且是最大的差距，还是开源权重——这是前沿实时向开源侧移动的标志。”

Agent Arena：在开源权重模型中，Kimi K3 (Max) 排名第一，净提升 +9.75%，超越 GLM-5.2 (Max) 的 +7.12%，并在 5 个指标中登顶第一。同时，它在 Frontend Code（1682 分）和 Text（1485 分）Arena 中也位居开源权重第一。

 

Agent Arena 评测的是模型在数百万个真实世界、长周期 Agent 任务上的表现——包括写代码、做幻灯片、网页研究、构建应用、分析文档等复杂工作流。

这份成绩单，已经把绝大多数开源模型远远甩在了身后。

实测案例：大家已经玩疯

案例一：第一人称射击游戏

开发者“雪佬AI边界”仅用 Kimi K3 就制作了一款可玩的 FPS 游戏。碰撞体积、射击反馈、敌人 AI 逻辑全部由 AI 生成，开发者几乎没有手写核心代码。

 

游戏链接：【点击前往】

案例二：复兴号高铁 3D 模型

Kimi K3 生成的复兴号高铁模型精细度令人叹为观止，连展示视频也是它自己生成的。总共提示了 4 次，虽然速度稍慢，但每个细节都堪称完美。

 

案例三：早餐麦片广告对比

网友 Ahad Shams 用 Opus 5 和 Kimi K3 生成了同一款早餐麦片广告，时长 30 秒。左侧 Opus 5 偏写实稳重，右侧 Kimi K3 更具活力和色彩张力——你更喜欢哪个？

案例四：推理速度实测

LMSYS Org 宣布，SGLang 在 Kimi K3 上的首日速度达到 423 tok/s（在 gsm8k 上测量）。团队深度优化了 K3 的新架构，包括融合 KDA 解码内核、DP attention、DSpark、PD disagg 和 KDA-aware prefix caching。这个速度意味着实时对话已经感觉不到任何延迟。

案例五：Google Maps 3D 重建

这是最令人震惊的案例。开发者 仅用一个半小时，就用 Kimi K3 重建了 Google Maps 的 3D 模式。

这是一个纽约的互动 3D 地图，拥有详细的建筑物，并能游览全球任何地点。仅用两个提示就构建完成：

• 使用真实高度数据挤出的建筑物

• 根据太阳位置变化的阴影

• Google Maps 3D 风格的旋转、倾斜和缩放

• 包含每个地点高度和建造年份的标签

• 世界各地点之间的流畅过渡

最惊人的是：生成成本仅为使用 GPT-5 或 Sonnet 的几分之一。

案例六：六足机器人模拟器

在“Vibe Coding Robotics”系列第 13 部分中，开发者 Dilum Sanjaya 构建了一个六足机器人模拟器。该模拟器使用从零编写的逆运动学和步态算法——这些技术与控制真实行走机器人的技术完全相同。这意味着模拟器可以直接移植到真实硬件上。

案例七：Redis 0day 漏洞发现

这是最硬核的应用。Kimi K3 仅用 27 分钟和 32 个代理，就自主发现了 Redis 最新版本的 0day 漏洞并写出了利用代码。

开发者直言：“把强大模型只对大型组织开放是错误的。每个团队，无论大小，都应该能压力测试自己的代码。”

案例八：赛车游戏对决

开发者 Aman 给了 Kimi K3 和 Opus 5 完全相同的提示——构建一个赛车游戏。

结果：

• Kimi K3：约 25 分钟完成，花费 $8.9

• Opus 5：19 分钟完成，花费 $14

最大的惊喜不是速度或价格——Kimi K3 构建的游戏更好。控制更流畅，物理效果更好，驾驶体验从一开始就很完善。Opus 5 视觉上更干净，但 Kimi 在真正重要的地方赢了。

成本不到一半，游戏体验却更好。

大神 48 小时深度解读

国外技术大神 ali 花了 48 小时钻研 Kimi K3 的建模代码。

他消耗了：

• 650 毫克咖啡因（“必不可少”）

• 40 罐 LaCroix 气泡水（“可选……世界纪录？”）

• 8 篇论文

• 6 个月的寿命

最终，他彻底搞懂了 Kimi K3 的整个发展脉络——“从 2019 年的 GPT-2 开始，每一个步骤”。

结语：开源的胜利

看完这些，你会发现那个所谓的“开源模型质量永远追不上闭源”的魔咒，已经被彻底打破了。

Kimi K3 不仅是一个模型，更是一种宣言：开放的力量，终将改变潮水的方向。

它让硅谷的顶级实验室和刚刚起步的小团队，站在了同一条起跑线上。它让全世界的智慧，可以站在巨人的肩膀上继续攀登。

正如黄仁勋所说——世界需要前沿闭源模型，也需要前沿开源模型。

今天，开源赢了。而且赢得漂亮。