Kimi K3
Kimi K32.8T 参数的开源大模型
亦作、亦称：Kimi K3 · Moonshot K3
Kimi K3 是 Moonshot AI 于 2026 年 7 月发布的 2.8T 参数 MoE 开源模型，采用 KDA 注意力机制实现 1M 上下文窗口，Frontend Code Arena 排名第一。其开源策略（承诺 7/27 公开权重）和中美 AI 竞争格局（Moonshot 估值 $31.5B vs OpenAI $300B）使其成为 2026 年最具地缘政治意义的 AI 发布之一。
技术架构：MoE + KDA
Kimi K3 采用 Mixture of Experts（MoE）架构，总参数 2.8T，激活参数约 32B（1.1%）。核心创新是 KDA（Kimi Delta Attention）——通过增量计算将 1M 上下文的复杂度从 O(n²) 降至 O(n)。
KDA 原理：不重新计算整个序列的注意力，而是只计算新增 token 与历史 token 的'delta'（差异）。通过 Attention Residuals 将历史 token 的注意力状态压缩为残差向量，新 token 只与残差向量交互。
性能数据（自报，待验证）：Frontend Code Arena #1，超越 GPT-5.6 和 Claude 3.5 Sonnet。
地缘政治意义
Kimi K3 的发布标志着中美 AI 竞争从'美国领先、中国追赶'转向'多极竞争'。
市场份额逆转：OpenRouter 数据显示 2025-06 至 2026-06，OpenAI 市场份额从 72% 降至 33%，中国模型份额从 5% 升至 37%。
开源策略：Moonshot 承诺 7/27 公开权重（截至 7/17 未兑现）。与 DeepSeek 的'立即开源'策略不同，Moonshot 采用'API 优先、延迟开源'的商业模式。
企业选型影响：Kimi K3 价格（$3/$15）远低于 GPT-5.6（$15/$60），但 benchmark 为自报数据，企业应进行独立评估。
常见误解
日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。
- 「2.8T 参数的开源大模型」
- 「中国版 GPT-5」
相关术语
和本术语关联紧密的其他词条，便于串联理解。
🎯 考点练习
含该术语的高频面试题，含标准答案与追问。
- 中级开放高频查看详解 →
分析 Kimi K3 的开源策略对全球 AI 竞争格局的影响
2026 年 7 月 Moonshot AI 发布 Kimi K3 — 2.8T 参数全球最大开源 MoE 模型，Frontend Code Arena 排名第一。其开源策略（承诺 7/27 公开权重）和中美 AI 竞争格局（Moonshot 估值 $31.5B vs OpenAI $300B）使其成为 2026 年最具地缘政治意义的 AI 发布之一。
- 初级概念高频查看详解 →
什么是大语言模型（LLM）？它能做什么、不能做什么？
LLM 是基于 Transformer、在海量文本上预训练的自回归语言模型，擅长语言任务，但不擅长精确计算、实时信息，且会产生幻觉。
- 中级概念查看详解 →
为什么少量高质量数据有时比海量新数据更重要？
数据规模重要，但真正决定训练效率的是信号密度、去重质量、覆盖结构、标注一致性和任务相关性。
- 高级系统设计高频查看详解 →
全双工语音 AI 系统的架构设计：如何实现同时听和说
GPT-Live-1/mini 发布标志着消费级全双工语音 AI 落地。全双工架构依赖三大技术突破：实时 VAD（持续监听重叠）、流式推理（token-by-token 输出 + 边生成边合成）、并行编解码（同时处理输入输出音频流），以及后台推理委托（前台快对话 + 后台深推理的双层架构）。
延伸阅读
从知识库精选 1 篇文章，帮助深入理解该术语。
外部参考
维基百科：查看「Kimi K3」词条本页内容为本站原创撰写；维基百科链接仅作延伸参考。
