月之暗面扔了个炸弹。Kimi K3，2.8万亿参数，全球第一个开放权重的3T级大模型，发布6小时在Hacker News拿了836分500条评论——同期所有AI新闻加起来都不够它打。说实话，这个数字本身就说明了一切。
Kimi K3是月之暗面（Moonshot AI）最新一代大模型，总参数2.8万亿，采用Stable LatentMoE架构，896个专家中激活16个。上下文窗口100万token，原生支持文本、图像、视频多模态理解。它对标的不是其他开源模型，而是Claude Fable 5和GPT 5.6 Sol这两个闭源天花板。
热度数据：一条帖子碾压整个HN首页
热度数据很直接：Hacker News首页第一，836分500条评论，发布仅6小时。同期HN上NotebookLM改名Gemini Notebook拿了176分，微软Comic Chat开源409分，Rust转Zig重写349分。Kimi K3一个帖子比后面三个加起来还多。GitHub上月之暗面的kimi-code仓库3.2k Star，Kimi-K2.5仓库2.1k Star，K3权重7月27日正式开放下载。
核心亮点：编码能力直接对标闭源头部
SWE Marathon基准42.0分，超过Claude Fable 5的35.0和GPT 5.6 Sol的39.0。这个测试衡量的是模型自主完成复杂软件工程任务的能力，K3是所有参与模型里最高的。Terminal Bench 2.1拿到88.3，跟GPT 5.6 Sol的88.8几乎打平。Program Bench 77.8，也压了Fable 5一头。
搜索和自动化任务全场第一
BrowseComp 91.2分，DeepSearchQA 95.0分，两项都超过闭源对手。Automation Bench 30.8分，也是全场第一。意味着用K3做深度搜索、网页浏览、自动化工作流，效果不输甚至超过付费模型。OmniDocBench 91.1分，文档理解能力同样排第一。
实打实的工程案例，不是跑分游戏
官方放了几个硬核案例：15小时不间断优化GPU内核，前向加反向从283.6ms压到114.4ms；48小时自主完成芯片设计，4mm²面积、100MHz闭时序，模拟解码吞吐量超过8700 tokens/s；约2小时复现天体物理学I-Love-Q统一关系，审阅20+篇论文，评估300+状态方程，生成3000+行Python代码。这些不是选择题跑分，是真实工程产出。
架构创新不是堆参数
KDA（Kimi Delta Attention）、Attention Residuals、Per-Head Muon优化器、SiTU激活函数、Gated MLA——六项架构创新。相比K2，扩展效率提升约2.5倍。已经向vLLM社区贡献了KDA的前缀缓存实现，不是嘴上说开放，代码确实给出去了。
API定价：缓存命中只要三毛
编码场景缓存命中率超过90%，等效输入成本约$0.57/MTok。对比闭源模型动辄$5-15/MTok的输入价格，K3的缓存命中价$0.30几乎等于白送。当然，整体体验跟Claude Fable 5和GPT 5.6 Sol还有差距，官方也承认了这一点。但作为开源模型，这个性价比已经没什么好挑的。
怎么用起来
# 通过 Kimi API 调用 K3 curl https://api.moonshot.cn/v1/chat/completions-H "Content-Type: application/json"-H "Authorization: Bearer $KIMI_API_KEY"-d '{"model":"kimi-k3","messages":[{"role":"user","content":"Hello"}]}'
# 终端使用 Kimi Code（选择 K3 模型） npx @anthropic-ai/kimi-code
# 在 Kimi Code 中输入: /model kimi-k3#
桌面版 Kimi Work 3.1.0+（Windows / Apple Silicon Mac）
# 移动端: iOS / Android / HarmonyOS 最新版 Kimi App
7月27日，你准备好了吗
权重7月27日正式开放。到那时候，你是打算拿Kimi K3替换现有的GPT/Claude API，还是本地部署跑起来？编码、搜索、自动化，哪个场景你最想试？评论区聊聊。
👍 点赞
⭐ 收藏
➡️ 关注
觉得有用的话，一键三连支持一下，明天继续聊 AI 🙏
