7 月 27 日，Moonshot AI 的 Kimi K3 官方仓库出现公开权重资料更新，Hugging Face 模型卡也在同日更新。这个增量值得单独看，但重点不是「下载链接在哪」，而是公开权重之后，普通团队到底该走哪条入口。1 2
先记住 3 个数字
Kimi K3 是 MoE 模型，总参数 2.8T，激活参数 104B，支持 1,048,576 token 上下文，并具备原生视觉能力。2
这组数字很容易让人先想到本地部署，但官方技术博客给出的路线是：Kimi.com、Kimi Work、Kimi Code、Kimi API 都能用 K3；公开权重只是把研究与自托管的可能性打开，不代表个人电脑马上能跑。3
最短上手路线
- 打开 Kimi API Platform，选择
kimi-k3，先用一份可回滚仓库做只读分析、补测试或写文档。 - 如果你的任务本来就在终端里，走 Kimi Code，在会话里用
/model选择kimi-k3。官方模型卡把 Kimi Code 列为 K3 的 coding agent framework。2 - 做多轮调用时，完整保留上一轮返回的
reasoning_content和tool_calls。模型卡明确提醒，缺掉 thinking history，质量可能变得不稳定；中途从别的模型切换到 K3 也不推荐。2
API 价格怎么读
官方技术博客列出的 Kimi API 单价是：缓存命中输入 $0.30 / MTok，缓存未命中输入 $3.00 / MTok，输出 $15.00 / MTok。按这个口径，100 万缓存未命中输入加 10 万输出约为 $4.50。3
这是先做真实验证的低门槛入口。自托管还要另算推理集群、显存、并行、运维和带宽，不能把「开放权重」理解成「零成本」。
自托管的硬边界
官方技术博客建议把 Kimi K3 部署在 64 个或更多加速器的 supernode 配置上，并提到 MXFP4 权重、MXFP8 激活值和 vLLM 社区实现；模型卡另外列出 vLLM、SGLang、TokenSpeed 三条推理引擎路线。3 2
所以首轮建议很简单：先用 API 或 Kimi Code 验证任务价值，等有稳定的调用量、硬件预算和工程维护人，再评估自托管。商用前也要读完 Kimi K3 License。
和 GPT-5.6、Claude Fable 5 怎么选
Kimi 官方技术博客把 GPT-5.6 Sol 和 Claude Fable 5 列为更强的 proprietary models，同时承认 Kimi K3 的整体体验仍有差距。反过来，Kimi K3 的优势是公开权重、原生视觉、百万上下文，以及一条清楚的 API 入口。这个对比更适合用同一份真实任务做 A/B，不适合只看榜单。3
我的判断：想用公开权重和官方 API 先做验证，值得试；想在个人电脑本地跑，先别下载，先算集群成本。
Comments
Sign in to comment.