Kimi K3 開放日：2.8 兆參數，現已開放權重

2026 年 7 月 27 日，Moonshot AI 舉辦了 Kimi K3 Open Day，並宣布三項相互關聯的發布：Kimi K3 模型權重、官方技術公告，以及三項基礎設施技術：MoonEP、FlashKDA和AgentEnv。此次活動將Kimi K3定位為不僅是一個新的大型模型，更是一項涵蓋模型存取、架構與部署基礎設施的發布。

核心規格很明確：Kimi K3 是一個擁有 2.8 兆參數的開放權重模型，建立於專家混合（MoE）架構之上。Moonshot AI 揭露了多項重要技術細節，包括896 位專家、每個 token 啟用 16 位專家、100 萬 token 的上下文視窗、以 3:1 比例搭配的 KDA + AttnRes、MoonViT-V2，以及宣稱的2.5 倍擴展效率提升。

開放權重一詞很重要。開放權重意味著已訓練的模型權重會依既定條款提供。這並不自動表示模型完全開源；完全開源通常意味著可更廣泛存取原始碼、訓練資料、工具及重現流程。儘管如此，開放權重存取仍可改變開發者與組織部署、檢視及圍繞大型 AI 模型進行建置的方式。

Moonshot AI 如此總結此方法的價值：「開放權重模型……降低取得智慧能力的門檻、推動創新，並讓使用者對資料、隱私與所有權擁有更大的控制權。」

Open Day 活動：三項核心發布

Kimi K3 Open Day 聚焦於三類發布內容。

首先，Moonshot AI 發布了Kimi K3 模型權重。這是核心的開放權重公告。對建構者而言，取得權重可帶來比僅限託管 API 更靈活的部署方式，尤其是在團隊需要掌控基礎設施、延遲、隱私或資料駐留時。

其次，Moonshot AI 發布了 Kimi K3 技術報告。這很重要，因為大型模型的發布不能只憑參數數量來評估。架構、路由策略、長上下文設計、多模態能力及效率宣稱，決定了一個模型在實務上是否有用。

第三，Moonshot AI 發布了MoonEP、FlashKDA和AgentEnv。這些基礎設施技術針對專家通訊、注意力效能與代理執行。其納入顯示 Kimi K3 Open Day 不只是一場模型發布；它也是一項基礎設施發布，旨在更有效地使用超大型開放權重模型。

模型：核心規格

Kimi K3 是一個擁有 2.8 兆參數的 MoE 模型。在專家混合架構中，每個 token 僅會啟用部分模型。路由器會選擇一部分專家，讓系統能結合極大的總容量，以及低於相似規模稠密模型的活躍運算量。

根據 Moonshot AI，Kimi K3 擁有896 位專家，並且每個 token 啟用 16 位專家。此設計是模型效率特性的核心。它讓模型可保有龐大的整體容量，同時在推論期間採用選擇性啟用。

100 萬 token 的上下文視窗是最具實用性的規格之一。長上下文可支援完整文件分析、大型程式碼庫審查、多檔案推理、法律或財務文件工作流程，以及更長的代理任務，而無須將每個輸入強制拆分成小片段。

Kimi K3 也採用以 3:1 比例搭配的 KDA + AttnRes，這是一種與其長上下文策略相關的混合注意力設計。該模型將MoonViT-V2納入其視覺架構，表示具備原生多模態能力，而非純文字系統。Moonshot AI 也報告了2.5 倍擴展效率提升，顯示 Kimi K3 的設計不僅著眼於規模，也著眼於更實際的訓練與推論經濟效益。

基礎設施發布：MoonEP、FlashKDA和AgentEnv。

開放權重模型仍需要強大的周邊系統。大型 MoE 模型仰賴高效率通訊、快速注意力核心和安全的執行環境。Moonshot AI 的基礎設施發布直接回應了這些需求。

MoonEP：MoE 專家通訊

MoonEP是一個用於 MoE 專家並行的通訊函式庫。在 MoE 系統中，token 會被路由至不同專家，而這些專家可能分布在多個裝置上。這會帶來通訊挑戰，可能限制吞吐量並增加延遲。

對於擁有896 位專家、且每個 token 啟用 16 位專家的 Kimi K3 而言，專家路由是一項重大的系統問題。MoonEP 旨在改善分散式專家通訊，並減少大規模 MoE 部署中的瓶頸。

FlashKDA：更快的長上下文注意力

FlashKDA是一個針對 KDA 最佳化的注意力核心。其角色對長上下文工作負載尤其重要，因為預填運算可能變得昂貴。Moonshot AI 表示，與 flash-linear-attention 基準相比，FlashKDA 在 Nvidia H20 GPU 上的預填效能可帶來1.72 倍至 2.22 倍加速。

這很重要，因為 100 萬 token 的上下文視窗只有在能夠高效率提供服務時才有用。更快的注意力核心可使長文件分析、程式碼審查、研究工作流程及多步驟推理更適合在生產環境中使用。

AgentEnv：AI 代理沙箱

AgentEnv是一個與 KVCache.ai 共同開發的代理沙箱系統。它為需要執行步驟、測試操作、分叉狀態、還原先前狀態或執行平行分支的代理提供一個隔離的沙箱環境。

代理工作流程通常不只是文字生成。它們可能使用檔案、工具、程式碼執行及多步驟決策。沙箱有助於將代理行為與外部系統分離，同時支援實驗。當代理需要在產出最終結果前探索多條路徑時，AgentEnv 的快照、還原與分叉功能相當實用。

為何開放權重很重要

開放權重存取改變了模型供應商與建構者之間的關係。封閉的託管 API 可以很強大，但基礎設施、託管、資料流和營運限制仍由供應商控制。開放權重模型讓符合條件的團隊有更多空間部署、調整、最佳化並將模型整合至自己的系統。

對企業而言，最大的優勢是部署與資料控制。敏感文件、內部程式碼、法律紀錄、客戶資訊及財務資料可能需要私有基礎設施。開放權重存取可支援本地或私有雲部署，在這些部署中，資料治理、隱私與所有權是核心要求。

對開發者而言，開放權重存取能實現更深入的技術整合。團隊可以最佳化推論堆疊、測試調適方法，並圍繞模型的優勢建立工作流程。Kimi K3 的 MoE 規模、100 萬 token 上下文、MoonViT-V2 視覺能力及基礎設施發布，為專門應用奠定基礎。

與開源的區別仍至關重要。開放權重並不會自動提供訓練資料、原始流程或完整的重現方法。然而，對需要模型存取、私有部署或更大效能與隱私控制權的團隊而言，它仍可降低實際門檻。

結論：模型與基礎設施的發布

最適合將Kimi K3 Open Day 理解為跨越三個層面的協同發布：模型存取、技術揭露和部署基礎設施。擁有 2.8 兆參數的 MoE 模型是本次公告的核心，但技術報告與基礎設施工具對理解其更廣泛的意義同樣關鍵。

官方規格相當可觀：2.8 兆總參數、896 位專家，其中每個 token 啟用 16 位、100 萬 token 的上下文視窗、以 3:1 比例搭配的 KDA + AttnRes、MoonViT-V2，以及宣稱的2.5 倍擴展效率提升。MoonEP、FlashKDA 和 AgentEnv 顯示 Moonshot AI 也在處理有效運行大型開放權重模型所需的系統。

Kimi K3並未被描述為完全開源；它是開放權重模型。即便如此，透過發布權重、技術細節及支援基礎設施，Moonshot AI 使 Kimi K3 成為大規模開放權重 AI 發展中的重要事件。

常見問題（FAQ）

問：什麼是 Kimi K3？

答：Kimi K3 是 Moonshot AI 推出的擁有 2.8 兆參數的開放權重專家混合 AI 模型，於 2026 年 7 月 27 日的 Kimi K3 Open Day 上發布。

問：開放權重是什麼意思？

答：開放權重意味著可依既定授權條款存取已訓練的模型權重。它不同於開源；開源通常意味著可更廣泛存取原始碼、資料及重現流程。

問：Kimi K3 同時發布了哪些基礎設施技術？

答：Moonshot AI 發布了MoonEP、FlashKDA和AgentEnv。MoonEP 支援 MoE 通訊，FlashKDA 加速 KDA 注意力，AgentEnv 則為 AI 代理提供沙箱系統。

問：Kimi K3 最重要的規格有哪些？

答：Kimi K3 擁有 2.8 兆總參數、896 位專家且每個 token 啟用 16 位、100 萬 token 的上下文視窗、以 3:1 比例搭配的 KDA + AttnRes、MoonViT-V2，以及 2.5 倍擴展效率提升。

使用 Pi 將這份 Kimi K3 分析轉化為精緻的 PPT，讓複雜的 AI 發展清晰易懂、便於簡報。