Kimi K3正式开放2.8万亿参数权重：96个分片可下载，真正门槛是算力

月之暗面终于把Kimi K3从“可以调用的前沿模型”，变成了一套任何人都能下载的模型权重。

7月27日，Kimi官方账号宣布公开Kimi K3模型权重与技术报告。Hugging Face仓库已经上线，96个Safetensors权重分片合计约1.56TB；GitHub则公开了技术报告、推理代码、配置与部署说明。这意味着此前围绕Kimi K3开放计划的承诺，已经变成可以核验、可以下载的文件。

但这次发布最有意思的地方，并不是“又一个模型免费了”。Kimi K3用2.8万亿总参数、1040亿激活参数和1M上下文，把开放权重模型的矛盾推到了极致：下载权限已经不稀缺，真正稀缺的是能够把它稳定跑起来的GPU、网络和工程团队。

96个分片、1.56TB：这不是普通电脑上的“一键本地模型”

Kimi K3采用混合专家架构（MoE），模型共有2.8万亿参数，但每个Token只激活约1040亿参数。它拥有93层网络、896个路由专家，每次选择16个专家，同时配有共享专家；上下文长度达到1,048,576 Token，并原生支持图像理解。

MoE的好处，是不必在每次推理时都计算全部2.8万亿参数，因此实际计算量远低于同规模的稠密模型。但“只激活一部分”并不等于“只需加载一部分”。为了让路由系统随时调用不同专家，完整权重仍需要被分布在大量加速卡和高速内存中。

Hugging Face公开元数据显示，Kimi K3的96个Safetensors分片合计1,560,936,091,448字节，约1.56TB。即使使用MXFP4权重量化，文件规模仍然接近一台高配消费级电脑全部SSD容量。将权重放进内存只是第一步，跨GPU专家通信、KV缓存、百万Token上下文和并发推理还会继续吞噬显存与带宽。

所以，Kimi K3的“开放”更接近开放一座大型工厂的完整设计图，而不是送给每个人一台桌面机器。个人研究者可以阅读、分析和二次开发，真正部署全尺寸版本的主要用户仍会是云服务商、大学实验室和拥有大规模GPU集群的企业。

它的创新重点不是把参数继续堆大

月之暗面给Kimi K3的核心叙事，是“每单位计算获得更多智能”。官方称，新架构相较Kimi K2实现了约2.5倍的整体规模化效率提升。这不是简单依靠参数数量得出的结果，而是来自几项系统级改变。

• Kimi Delta Attention（KDA）与Attention Residuals：改善超长序列和深层网络中的信息流动，降低百万Token上下文带来的注意力成本；
• Stable LatentMoE：让896个专家中的16个按Token被激活，并试图在更大专家规模下维持训练稳定性与负载均衡；
• 原生视觉能力：模型使用MoonViT-V2视觉编码器，不是上线后再外挂一个独立识图模块；
• 量化感知训练：从训练阶段就考虑MXFP4权重和MXFP8激活，而不是发布后再以明显精度损失换取更小体积；
• 面向代理的强化学习：训练重点包括长流程编码、工具调用、网页浏览和带持久状态的沙盒任务。

这也解释了为什么官方发布说明中特别提到，将进一步开放高性能注意力内核、MoE通信库以及大规模运行Agent环境的基础设施。对于这种体量的模型，权重只是产品的一半；没有通信内核、并行策略和任务环境，开放文件并不自动等于可用系统。

Kimi K3没有“横扫”GPT-5.6和Claude，但已经进入同一张表

技术报告把Kimi K3与GPT-5.6 Sol、Claude Fable 5、Opus 4.8等闭源模型放在同一组评测中。按照月之暗面公布的结果，Kimi K3在BrowseComp、MCPMark Verified、AutomationBench和ProgramBench等浏览、工具调用与编程任务上，部分成绩超过报告中的GPT-5.6 Sol或Claude Fable 5；在GPQA Diamond、DeepSWE、OSWorld 2.0等项目上，则仍有领先模型表现更好。

这些数字首先应被视为厂商报告结果，不同模型的推理预算、工具环境、系统提示词与测试脚手架可能并不完全一致，不能把单个排行榜直接当作综合能力判决。但Kimi K3真正值得注意的地方，是一个开放权重模型已经不再只和其他开放模型比较，而是主动用最新闭源前沿模型作为坐标。

换句话说，Kimi K3并没有证明“开放模型已经全面击败闭源模型”，它证明的是另一件更具产业冲击力的事：闭源实验室过去只能通过API出售的部分Agent能力，如今正在变成企业可以下载、托管和改造的资产。

开放权重不等于毫无限制：商业使用要读许可证

Kimi K3采用自定义的“Kimi K3 License”，而不是Apache 2.0或MIT许可证。它允许使用、复制、修改、发布、分发、再授权、销售、部署和微调模型，但对部分大规模商业用途设置了条件。

如果企业经营“模型即服务”业务，且关联主体连续12个月总收入超过2000万美元，在将Kimi K3或其衍生版本用于商业用途前，需要与月之暗面另行签署协议。若商业产品月活跃用户超过1亿，或月收入超过2000万美元，还需要在用户界面显著展示“Kimi K3”。内部使用和通过月之暗面官方产品或认证推理伙伴访问的场景，不受这些条款约束。

因此，准确说法是完整开放权重，而不是“任何规模、任何商业模式都不受限制的开源软件”。对研究者和大多数中小团队而言，许可证已经相当宽松；对大型云模型转售商而言，它保留了月之暗面重新谈判商业利益的入口。

两份公开资料下载地址

以下地址均为月之暗面公开仓库，本文发布前已验证可以访问：

模型权重不是单个压缩包，Hugging Face页面提供Git LFS与命令行下载方式。准备下载前应预留超过1.56TB的磁盘空间，并考虑断点续传、校验和与后续部署所需的额外存储。

月之暗面开放的不是“便宜模型”，而是算力竞争的新入口

Kimi K3发布后，最常见的问题可能是“需要多少张GPU才能运行”。这个问题本身已经说明了这次开放的边界：模型公司放弃了对权重文件的独占，但没有消除算力的经济学。

这反而可能让英伟达、云服务商和推理框架公司成为最大受益者。权重越开放，越多组织会尝试私有部署；模型越大，对GPU集群、高速互联和推理优化的需求越强。开放模型未必削弱基础设施巨头，甚至可能把原本集中在模型API中的支出，重新分配给芯片、云和工程服务。

对月之暗面而言，完整公开Kimi K3权重则是一场品牌和生态赌注。它牺牲了一部分模型稀缺性，换取全球开发者验证、推理框架适配和企业部署入口。96个分片已经摆在公共仓库里，接下来真正决定Kimi K3影响力的，不再是“能不能下载”，而是谁能把这1.56TB权重变成更快、更便宜、更可靠的生产系统。

资料来源：Kimi官方X账号发布、Kimi K3官方GitHub仓库、Kimi K3官方技术博客、Kimi K3官方Hugging Face仓库。文中模型规模、架构与基准测试数据来自月之暗面公开资料；不同厂商评测条件可能存在差异。