信息卡

一句话定位

Moonshot AI 宣称"全球首个开放权重的 3T 级参数模型"：总参数 2.8T、激活 104B 的原生多模态 Agentic 大模型，也是官方口径下其迄今最强模型。

为什么上热度榜

开放权重阵营首次突破万亿级规模本身就是里程碑；官方基准在终端执行、软件工程、网页浏览三类 Agent 任务上对标甚至超越 Claude Fable 5、GPT-5.6 Sol、GLM-5.2；月下载近 292 万、点赞约 1.1 万，衍生生态火爆（44 个微调、47 个量化、46 个 Spaces 使用）。

规格与技术亮点

• MoE 结构：896 专家选 16 + 2 共享专家，Stable LatentMoE 框架声称整体缩放效率较 Kimi K2 提升 2.5 倍。
• 93 层混合注意力：69 层 Kimi Delta Attention（KDA）+ 24 层 Gated MLA，叠加 Attention Residuals；隐藏维 7168、96 头、词表 160K、SiTU-GLU 激活。
• 视觉侧 MoonViT-V2 编码器（401M 参数），Pipeline 为 image-text-to-text。
• 权重经量化感知训练：原生 MXFP4 权重 + MXFP8 激活，全部分片约 1.56TB；上下文长度 1,048,576 tokens。
• 代表基准（max reasoning effort）：GPQA Diamond 93.5、BrowseComp 91.2、Terminal-Bench 2.1 88.3、MCPMark 94.5、OSWorld 84.8、SWE-Marathon 42.0。

使用方式与代码示例

pipe = pipeline("image-text-to-text",
                model="moonshotai/Kimi-K3",
                trust_remote_code=True)

亦支持 `vllm serve moonshotai/Kimi-K3`、`sglang.launch_server`、Docker Model Runner 与平台.kimi.ai 的 OpenAI 兼容 API；thinking 常驻开启，reasoning_effort 可选 low/high/max；多轮对话需回传包含 reasoning_content 的 assistant 历史。

部署建议（本地/云端/量化选择）

原版权重 1.56TB 级别，仅适合多节点 GPU 集群或持有大内存扩展方案的机构；中小企业建议走平台 API 或云厂商托管端点；个人开发者可等待社区 47 个量化中的高压缩版本，或直接用 kimi.com 网页端体验。长上下文场景务必预留充足 KV cache 显存。

典型应用场景

• 百万行级代码库的自主编程与重构代理；
• 深度网络检索与浏览器自动化作业；
• 操作系统级桌面自动化（OSWorld 型任务）；
• 百万字合同/文献长文分析与审阅；
• 文档 OCR + 图表理解的多模态办公助手。

同类对比

对比 DeepSeek-V4-Pro（约 1.7T MoE）：体量更大、浏览/终端任务更强，但许可是自定义条款而非 MIT；对比闭源旗舰 GPT-5.6 Sol、Claude Fable 5，官方口径下多项公开基准反超，性价比优势在于开放可私有部署。

资源导航

API：platform.kimi.ai｜官网：kimi.com/moonshot.ai｜讨论区 173 条主题｜Hub 收录 eval-results 标签与 compressed-tensors 生态资产。