Kimi K3 正式开源！2.8T 参数全栈开放，性能直逼闭源天花板（附免费下载）

2026 年 7 月 28 日，AI 圈炸了。

月之暗面（Moonshot AI）正式发布 Kimi K3——2.8T 总参数的 MoE 模型，激活参数 104B，原生 100 万上下文窗口。但真正让整个行业沸腾的，不是参数本身，而是全栈开源这四个字。

不是放个权重就炒概念的"伪开源"。这次，月之暗面把推理内核、MoE 通信库、Agent 训练环境——整套底层技术栈——全端了出来。

技术硬实力：不只是大，更是巧

先看核心数据：

• 2.8T 总参数，MoE 架构，激活仅 104B，兼顾容量与效率
• 原生 100 万 token 上下文——足以一次性处理《三体》三部曲体量的长文本
• 全新架构：KDA 注意力 + AttnRes 创新，单位算力智能密度提升 2.5 倍，长上下文解码速度翻 6 倍

MoE（混合专家）架构的精妙在于：2.8T 是"专家团队"的总人数，但每次推理只激活其中最顶尖的 1040 亿"专家"。既有超大知识容量，又控制了推理成本。

最狠的是开源的彻底程度：FlashKDA 高性能内核、MoE 通信库，连做 Agent 强化学习的快照式训练环境 AgentENV，全部对外开放。

这意味着什么？搞大模型的不需要从零搭底层通信框架，做 Agent 的不再被闭源接口卡脖子，小团队也能基于全栈直接二次开发。

一句话：之前所有开源模型，本质都在追赶闭源模型一年多前的尾巴。Kimi K3 是第一个真正摸到闭源顶尖门槛的开放模型。

开源 vs 闭源：天平正在倾斜

这场开源运动的标志性时刻，得到了整个行业的呼应。

英伟达 CEO 黄仁勋在 X 上发布的第一条贴文，就是倡导开源模型：

人工智能将改变每个行业，赋能每个公司，并由每个国家构建。开源模型加强安全性和网络安全，加速创新和传播，并实现主权。世界需要前沿闭源模型，也需要前沿开源模型。

老黄的第一条推文给了开源——这个信号的分量，足以说明算力底座的流向都在向开源倾斜。

而谁最反对开源？Anthropic。毕竟人人都有顶级开源模型，闭源 API 的生意就要被冲击。现实也确实微妙：在 Arena.ai 的前端代码竞技场和文本竞技场中，Claude Opus 5 Max 排名第一，但作为开源模型的 Kimi K3 紧随其后，排名第二。

更有意思的是，网友 Samar Maharaj 专门做了个讽刺动画游戏——"Anthropic vs 其他 AI：争夺开源权重的竞赛"，把 Anthropic 刻画成拼命护住代码的守财奴，而 Kimi K3 则像个慷慨的侠盗。

第三方评测：屠榜级成绩单

光说没用，看数据：

• Slides Arena（Python-PPTX）：Kimi K3 以 Elo 1379 分位列第一，而且是该竞技场有史以来最大的领先优势。评测方感叹："不仅是第一，而且是最大的差距，还是开源权重——这是前沿实时向开源侧移动的标志。"
• Agent Arena：开源权重模型中 K3 (Max) 排名第一，净提升 +9.75%，超越 GLM-5.2 (Max) 的 +7.12%，并在 5 个指标中登顶。同时在 Frontend Code（1682 分）和 Text（1485 分）Arena 中也位居开源权重第一

Agent Arena 测的是模型在数百万个真实世界、长周期 Agent 任务上的表现——写代码、做幻灯片、网页研究、构建应用、分析文档等复杂工作流。这份成绩单，已经把绝大多数开源模型远远甩在身后。

实测案例：大家已经玩疯了

案例一：第一人称射击游戏。 开发者"雪佬AI边界"仅用 Kimi K3 做出一款可玩的 FPS：碰撞体积、射击反馈、敌人 AI 逻辑全部 AI 生成，几乎没手写核心代码。

案例二：复兴号高铁 3D 模型。 精细度令人叹为观止，连展示视频都是模型自己生成的。总共提示 4 次，速度稍慢，但细节堪称完美。

案例三：早餐麦片广告对比。 网友 Ahad Shams 用 Opus 5 和 Kimi K3 生成同一款 30 秒早餐麦片广告：Opus 5 偏写实稳重，K3 更具活力和色彩张力。

案例四：推理速度实测。 LMSYS Org 宣布，SGLang 在 K3 上首日速度达 423 tok/s（gsm8k 实测）——团队深度优化了融合 KDA 解码内核、DP attention、DSpark、PD disagg 和 KDA-aware prefix caching。这个速度意味着实时对话已经感觉不到延迟。

案例五：Google Maps 3D 重建（最震撼）。 开发者仅用一个半小时就重建了 Google Maps 的 3D 模式——纽约互动 3D 地图，只用两个提示：真实高度数据挤出建筑物 + 随太阳位置变化的阴影，外加旋转倾斜缩放、高度与建造年份标签、全球地点流畅过渡。最惊人的是：生成成本仅为 GPT-5 或 Sonnet 的几分之一。

案例六：六足机器人模拟器。 开发者 Dilum Sanjaya 用从零编写的逆运动学和步态算法构建模拟器——这些技术与控制真实行走机器人的完全相同，意味着可以直接移植到真实硬件。

案例七：Redis 0day 漏洞发现（最硬核）。 Kimi K3 仅用 27 分钟和 32 个代理，自主发现 Redis 最新版本的 0day 漏洞并写出利用代码。开发者直言："把强大模型只对大型组织开放是错误的。每个团队，无论大小，都应该能压力测试自己的代码。"

案例八：赛车游戏对决。 开发者 Aman 给 K3 和 Opus 5 完全相同的提示构建赛车游戏：

最大的惊喜不是速度或价格——K3 构建的游戏更好，在真正重要的地方赢了。成本不到一半，体验却更好。

大神 48 小时深度解读

国外技术大神 ali 花 48 小时钻研 K3 的建模代码，消耗了：650 毫克咖啡因（"必不可少"）、40 罐 LaCroix 气泡水（"可选……世界纪录？"）、8 篇论文，以及"6 个月的寿命"。

最终他彻底搞懂了 K3 的整个发展脉络——"从 2019 年的 GPT-2 开始，每一个步骤"。

结语：开源的胜利

看完这些，你会发现那个"开源模型质量永远追不上闭源"的魔咒，已经被彻底打破。

Kimi K3 不只是一个模型，更是一种宣言：开放的力量，终将改变潮水的方向。 它让硅谷的顶级实验室和刚起步的小团队站在同一条起跑线上，让全世界的智慧可以站在巨人的肩膀上继续攀登。

正如黄仁勋所说——世界需要前沿闭源模型，也需要前沿开源模型。

今天，开源赢了。而且赢得漂亮。