一句话定位
月之暗面的开源旗舰——2.8 万亿参数全球最大开源模型，100 万上下文，国产技术流标杆
Kimi K3 是月之暗面 2026 年 7 月 17 日发布的旗舰大模型，总参数 2.8 万亿（MoE，896 个专家每次激活 16 个），100 万 token 上下文窗口，是全球参数规模最大的开源模型。原生支持视觉理解，采用自研 KDA 混合线性注意力与 AttnRes 架构，训练效率较上代提升约 2.5 倍。在 Code Arena 前端编程榜单以 1679 分登顶，超越 Claude Fable 5 的 1631 与 GPT-5.6 Sol 的 1618。
上手路径（基于社区实测整理，非第一人称）
说明：本段汇总自官方文档与社区实测，经编辑重写归纳，不代表本站逐一亲测。
- 直接用 Kimi：网页版、App、Kimi Work 均可对话，但 2026-07-19 起因算力紧缺暂停 C 端新用户订阅，老用户照常。
- 开发者走 API：输入 3 美元/百万 token（约 20 元，缓存未命中）、输出 15 美元/百万（约 100 元）；缓存命中输入仅 2 元。依托 Mooncake 架构编程场景缓存命中率超 90%。
- 想私有部署：2026-07-27 已开源完整权重、技术报告及 MoonEP/FlashKDA/AgentEnv 等 Infra，可自托管。
真实踩坑 / 局限（社区实测高频共识）
说明：以下为社区反复提及的痛点，编辑归纳，非本站逐一验证。
- 国产最贵开源：输出 100 元/百万 token，较 K2.6 的 4 美元涨近 4 倍，预算敏感团队吃不消。
- C 端暂停订阅：2026-07-19 起新用户订阅暂停，官网会员各档"已售罄"，想用得等算力扩容。
- 命名易混：K3 指旗舰模型，Kimi（产品）与 K3（模型）常被混用，写方案要分清。
- 幻觉率回升：独立评测称其 AA-Omniscience 幻觉率 51%，较 K2.6 的 39% 不降反升【待核实】。
- 部署门槛高：2.8 万亿参数全量推理需大显存集群，个人玩家多走 API 或量化版。
跟同类硬对比（一句话结论）
- DeepSeek：国产开源另一标杆，价格更低、社区更猛；Kimi 胜在 100 万上下文与前端编程登顶，但单价贵。
- 豆包：字节 3 亿月活入口强、API 便宜；Kimi 胜在技术深度与开源权重，适合要私有化的团队。
- Claude / GPT：闭源旗舰综合上限略高；Kimi 胜在可自托管与定价权对标，差距缩到 3.3%。
适合谁 / 不适合谁
- 适合：要 100 万长上下文的研究/法律/代码场景、想私有部署的企业、技术流开发者。
- 不适合：预算极敏感只要便宜 API 的（选 DeepSeek）、纯 C 端只想聊天的轻度用户（订阅暂停）、不想要重模型的。
编辑观点（本站视角）
说明：我们从开源生态与工程落地角度判断。
Kimi K3 的象征意义大于参数本身——它是国产开源第一次在全球定价体系里站到与 Claude、GPT 同台的位置，输出价虽贵但"敢定价"本身就是信号。100 万上下文对长文档、代码库分析是真刚需，前端编程登顶也说明不是跑分水分。但我们得泼冷水：C 端暂停订阅说明算力是真紧张，你现在想用可能抢不到；输出 100 元/百万对高频生产是实打实的成本。我们的建议是研究者/企业先拿开源权重做私有化验证，开发者用 API 但务必开缓存命中（编程场景命中率超 90%，单价能砍到 1/10）；别被"全球最大开源"冲昏头，先算清你的调用量和账单再决定主力模型。
评分
参数规模与开源价值：★★★★★
长上下文能力：★★★★★
编程 / 技术流表现：★★★★★
性价比（输出偏贵）：★★★☆☆