月之暗面正式开源 Kimi K3：2.8T 参数刷新开源纪录，三项核心 Infra 技术同步公开

月之暗面（Moonshot AI）今天兑现了承诺，正式开源了 Kimi K3 模型。

这不仅是一次模型权重的释放，更是一次从算法到基础设施的全方位开放。Kimi K3 以 2.8 万亿参数的规模，再次刷新了开源模型的体量上限——在过去 12 个月里，Kimi 系列有 9 个月都保持着这一纪录。

• 官方介绍：https://www.kimi.com/blog/kimi-k3
• GitHub：https://github.com/MoonshotAI/Kimi-K3
• 模型：https://huggingface.co/moonshotai/Kimi-K3
• FlashKDA：https://github.com/MoonshotAI/FlashKDA
• AgentENV：https://github.com/kvcache-ai/AgentEnv
• MoonEP：https://github.com/MoonshotAI/MoonEP

架构升级：更高效，更稀疏

Kimi K3 并非简单的参数堆砌。它基于 KDA（Kimi Delta Attention）混合线性注意力机制和注意力残差技术构建，原生支持视觉理解，并拥有高达 100 万 token 的上下文窗口。

在 MoE（混合专家）架构上，Kimi K3 进一步扩大了稀疏度。结合 Stable LatentMoE 框架，它能在 896 个专家中高效激活仅 16 个。这种结构性改进，加上训练方法和数据配方的优化，使得 Kimi K3 相比前代 K2 的整体扩展效率提升了约 2.5 倍。简单来说，就是用同样的算力，换来了更强的智能。

能力亮点：长程编码与视觉推理

官方数据显示，虽然 Kimi K3 在整体表现上仍略逊于最强的闭源模型（如 Claude Fable 5 和 GPT-5.6 Sol），但在整套评测中已展现出前沿水平，并稳定超越了其他所有开源及多数闭源模型。

其两大杀手锏尤为引人注目：

1. 长程编码能力：在极少人工监督的情况下，Kimi K3 能持续完成长时间的工程任务，理解并处理大型代码库，甚至协调使用终端工具。
2. 视觉与工程结合：它擅长将软件工程与视觉推理相结合。例如，在游戏开发、前端调试或 CAD 设计中，它能利用截图和视觉反馈来优化代码，实现“看图改 Bug”或“看图写界面”。

不止于模型：三项 Infra 技术同步开源

这次发布最让开发者兴奋的，或许是月之暗面同步开源了支撑 Kimi K3 训练的三项关键基础设施技术：

• MoonEP：高性能通信库，解决大规模分布式训练中的通信瓶颈。
• FlashKDA：此前已开源的高性能算子，针对 KDA 注意力机制进行了深度优化。
• AgentEnv：分布式强化学习（RL）环境，为智能体的复杂任务训练提供标准化支持。

这三项技术覆盖了从高性能通信、算子加速到分布式 RL 环境的关键链路。对于希望复现超大规模模型训练或构建自有 Agent 平台的团队来说，这是一份极具价值的“工业级说明书”。

Kimi K3 的开源，再次证明了中国 AI 实验室在超大规模模型训练和工程化落地上的实力。它不仅提供了一个强大的基座模型，更通过开放底层 Infra，降低了整个行业探索 AGI 的门槛。