Kimi K3 完整权重开放：2.8T MoE、104B 激活，技术报告补齐架构细节

Kimi K3 的完整模型权重已经在 Hugging Face 开放下载，官方技术报告也随之公开。对开发者来说，这次更新把 K3 从「API 先行、权重待发布」推进到了可以自行部署和研究的阶段：2.8T 总参数、104B 激活参数、1,048,576 Token 上下文、原生视觉能力，以及 MXFP4 权重和 MXFP8 激活的量化训练细节，都能在官方模型页和报告入口中核对。12

这是一条实质性的后续更新，不是首发消息的重复。Kimi API 仍可调用，但本地部署、推理引擎适配和对架构的二次研究现在有了公开入口。

上表的「104B 激活参数」是模型页明确列出的规格，不能和总参数 2.8T 混为一谈。896 个专家中的 16 个被选中，也不等于每次推理只需要加载 104B 的显存；实际部署还要看权重格式、并行方式、KV Cache 和推理引擎。1

Kimi K3 的核心架构可以拆成三层理解。

第一层是长上下文注意力。K3 将 Kimi Delta Attention（KDA）和 Gated MLA 混合使用，模型页列出的比例是 69 层 KDA 加 24 层 Gated MLA。KDA 负责更高效地处理长序列，Gated MLA 保留全局信息交互；Attention Residuals 则让模型可以跨深度选择性取回表示，而不是把每一层的信息一股脑累加。12

第二层是 Stable LatentMoE。它把路由专家数量扩展到 896 个，但每个 Token 只选择 16 个专家，官方称这套设计相较 Kimi K2 带来约 2.5 倍的整体 scaling efficiency 提升。这个数字是厂商对自身训练和扩展效率的披露，不是独立机构对推理速度或成本的复测。13

第三层是量化和训练方式。K3 从 SFT 阶段开始做量化感知训练，使用 MXFP4 权重和 MXFP8 激活。对于超大规模 MoE 来说，这个信息比「2.8T」本身更直接地影响部署：它决定了硬件兼容性、权重存储方式和推理栈需要支持的数值格式。1

下面的数字来自 Moonshot 发布的完整评测表。Kimi K3 使用最高思考强度；不同项目使用的 Agent harness 不同，表中的 Claude Fable 5 还标注了 fallback，因此这些数字适合做方向判断，不适合当成严格统一协议下的排行榜。1

K3 的强项集中在长程编程、工具调用和文档型 Agent 任务。它在 DeepSWE 上是 67.5，低于 Fable 5 的 70.0 和 GPT-5.6 Sol 的 73.0；在 GDPval-AA v2 这类更贴近综合知识工作的指标上，K3 为 1686，也低于 Fable 5 的 1747 和 GPT-5.6 Sol 的 1736。读者不应该把「开放权重」和「所有任务超过闭源模型」画上等号。1

本地部署：完整权重入口是 Hugging Face 的 moonshotai/Kimi-K3 模型页，许可为 Kimi K3 License。官方 README 当前推荐 vLLM、SGLang 和 TokenSpeed 三类推理引擎，并提供对应的 recipe 或 cookbook 链接。1

API 调用：Kimi API 的模型名仍是 kimi-k3，提供 OpenAI 和 Anthropic 兼容接口。官方价格是缓存命中输入 $0.30 / MTok、缓存未命中输入 $3.00 / MTok、输出 $15.00 / MTok。13

接入 Agent 时的硬限制：K3 采用 preserved thinking history 训练方式。多轮对话和工具调用必须把 API 返回的完整 assistant 消息原样传回，包括 reasoning_content 和 tool_calls，不能只保留最终 content。如果中途从另一个模型切换到 K3，官方提示生成质量可能明显不稳定。1

这意味着第一次测试不应只发一个聊天请求。更稳妥的做法是固定 Agent harness、工具集合和预算，分别测试长代码库、视觉调试、文档研究和多轮工具调用，再观察完整思考历史是否能在自己的框架中正确保存与回传。

如果目标是研究超大规模 MoE、长上下文注意力或开放权重 Agent，Kimi K3 现在已经值得下载评估。若目标是立刻获得最稳定的综合办公体验，官方表格本身也显示它在 GDPval-AA、FrontierSWE 和部分视觉任务上仍落后于 Fable 5 或 GPT-5.6 Sol。

本轮更新最适合被理解为「可部署性和可研究性显著增加」，而不是一次单纯的 benchmark 宣称。完整权重、技术报告和 API 三条路径已经同时存在，下一步差异会落在硬件规模、推理栈和 Agent 框架的实际适配上。