月之暗面公司近日正式发布其最新人工智能模型Kimi K3，标志着全球开源领域迎来首个参数规模突破3万亿级别的大型语言模型。该模型采用2.8万亿参数架构，通过KDA混合线性注意力机制与注意力残差技术的深度融合，实现了原生视觉理解能力与100万token超长上下文窗口的突破性支持。
技术架构层面，Kimi K3在原有MoE专家混合系统基础上进行重大革新。通过引入Stable LatentMoE框架，模型能够在896个专家模块中智能激活16个核心单元，配合训练方法与数据配方的系统性优化，使整体扩展效率较前代K2模型提升约2.5倍。这种设计显著增强了算力向模型能力的转化效率，为处理复杂任务提供更强的底层支撑。
在前端代码生成领域，Kimi K3展现出卓越的竞争优势。最新评测数据显示，该模型以76%的胜率与1679分的综合得分超越Claude Fable 5和GPT-5.6等闭源模型，在代码竞技排行榜中占据首位。这一成果验证了其在编程逻辑理解与自动化生成方面的领先地位。
用户接入方面，月之暗面同步开放多平台服务通道。开发者可通过官方网站、移动端App、桌面客户端及API接口调用Kimi K3服务。当前版本默认提供极致强度推理模式，后续更新将增加低强度与高强度两种运算模式，满足不同场景的性能需求。
商业化层面，模型采用差异化计费策略。输入token按缓存命中情况分为两档：命中缓存时单价为2元/百万token，未命中时为20元/百万token；输出token统一定价为100元/百万token。通过Mooncake分离式推理架构的优化，编程场景缓存率突破90%，实际输入成本可降至标准价格的四分之一。配合最高30%的充值赠送活动，形成具有市场竞争力的价格体系。
尽管取得多项技术突破，开发团队坦言模型仍存在应用局限。在历史思考保留模式下，若Agent框架未能完整传递对话上下文，或用户从其他模型切换至Kimi K3时，可能引发内容生成质量波动。由于训练阶段侧重优化长程复杂任务，模型在处理简单问题或模糊指令时，存在自主决策偏离用户预期的风险。开发团队建议优先使用Kimi Code等经过兼容性验证的框架，并避免在对话过程中切换模型版本。
