Kimi K3 2.8万亿参数上线：从零编译到48小时芯片设计
今天凌晨，Kimi K3正式上线，旗下的Kimi、Kimi Work、Kimi Code以及API接口已经同步接入该模型，完整的模型权重计划最晚在7月27日对外放出。这款模型拥有2.8万亿总参数、原生视觉能力以及100万Token的上下文窗口，而更令人瞩目的是它能够从零开发一款GPU编译器、在浏览器中搭建3D开放世界，还能连续运行48小时完成完整的芯片设计流程，这些能力让它不再局限于单题作答，而是可以承接从目录搭建、工具调用到错误修复的全流程工程任务。
稀疏专家架构：896个专家，每次激活16个
K3采用了Kimi Delta Attention（KDA）、Attention Residuals（AttnRes）和Stable LatentMoE技术架构。模型总共配置了896个专家节点，在推理阶段仅激活其中16个节点完成稀疏路由计算。全新的架构设计、训练方法以及数据策略，让K3相比前代模型K2的整体scaling efficiency提升了约2.5倍，2.8万亿的参数规模也体现了其在模型体量上的突破。
从零构建GPU编译器：MiniTriton案例
首个让人印象深刻的案例是MiniTriton：K3从空目录起步，独立搭建了DSL前端、基于MLIR的中间表示、优化Pass、PTX代码生成以及运行时环境，最终用这套自研编译器跑通了nanoGPT的训练流程。这并非简单补全一段内核代码或是拼接现有模块，而是覆盖了从语法前端到后端生成的完整链路，任何一个环节出现问题都无法完成最终的训练，这种完整的交付物比零散的代码片段更具说服力。
浏览器内生成3D开放世界
K3还可以在浏览器中使用Three.js WebGPU和GPU compute生成3D开放世界环境，将代码运行结果和实时截图送回模型进行迭代调整。森林、木屋村庄、雪山和动态天气等场景，都是通过“写代码、查看画面、调整优化”的循环逐步构建完成的。在前端开发中，常面临“页面能运行”和“页面美观好用”之间的鸿沟，而K3的原生视觉能力不再局限于图片识别，而是真正进入了开发闭环。
48小时完成完整芯片设计流程
另一个重磅案例是连续运行48小时的芯片设计任务。K3调用开源EDA工具，为一款小型模型芯片完成了设计、优化和全流程验证，任务覆盖了完整的工具链：从初始设计结果到综合、布局、时序检查，再回头修正前期的选择。48小时的运行时长不仅考验模型的稳定性，更对智能体的工作记忆提出了极高要求——工具返回的错误、尝试过的方案、视觉反馈以及前期的决策都需要完整保留，而100万Token的上下文窗口恰好承载了整个工程的累积过程，让任务能够连贯推进不中断。
代码跑分：既有第一，也有差距
从发布的代码评测榜单来看，K3的表现可圈可点：Terminal Bench 2.1得分88.3，仅略低于GPT-5.6 Sol的88.8；Program Bench得分77.8，位列榜单第一；SWE Marathon得分42.0，同样处于最高梯队。但在DeepSWE评测中，K3的67.5分低于GPT-5.6 Sol的73.0和Fable 5的70.0。整体来看，这是一份亮眼的首发成绩单，但不同评测项目的表现差异明显，且部分结果涉及不同的Agent harness、fallback机制或安全防护，仅通过榜单判断实际项目中的表现并不严谨。官方也承认，K3的实际使用体验与顶级闭源模型仍有差距，跑分追平榜单只是第一步。
当前可用形态与部署门槛
用户现在可以在Kimi Code中输入/model指令选择K3模型，API的模型ID为kimi-k3，接口兼容OpenAI API格式，且始终开启思考模式，目前仅提供max档位的reasoning_effort配置。当前可直接使用的是产品形态和API接口，想要下载完整权重的开发者需要等待至7月27日，且自部署门槛较高，官方建议使用64张或更多加速卡组成的超级节点。对于绝大多数团队来说，通过API或Kimi Code接入会更现实。价格方面，7月17日公布的中国开放平台价格为：缓存命中2元/百万Token，输入20元/百万Token，输出100元/百万Token，相比K2.7 Code的输入6.5元、输出27元有明显提升，更适合仓库级修改、长报告研究、视觉编程和连续工具调用等复杂任务，而短问答、代码补全和简单抽取等轻量任务使用更便宜的模型会更划算。
使用中的关键注意事项
比起跑分榜单，更需要关注发布页末尾的使用限制：第一，必须保留完整的思考历史，多轮对话中需要将K3返回的完整assistant message原样带入下一次请求，仅保留最终content或是中途切换模型都可能导致质量出现大幅波动；第二，模型可能存在过度主动的问题，当用户意图模糊或是任务遇到小障碍时，K3有时会替用户做出意外决定，在真实业务场景中需要设置明确的权限边界，通过system prompt或相关配置文件明确可修改的目录、可运行的命令、禁止的外部写操作以及需要上报的异常情况；第三，跑分强劲并不等于使用体验顺手，工具衔接、长任务稳定性和交互体验都需要在自身的业务环境中进行验证。智能体的能力越强，越需要提前划定权限边界，单次回答错误可以重新提问，但越权写入可能已经改变了外部系统状态。
合理的测试与落地思路
现在测试K3时，不应再使用“编写一个排序函数”这类简单任务，而是选择过去需要拆分十几轮对话的真实工作：比如让模型读取一个中型代码仓库，完成跨文件修改，运行测试用例，根据报错信息继续修复，最终提交变更说明。在测试过程中重点关注三个指标：模型能否保留前期的决策逻辑、工具调用失败后能否自行恢复、是否会越过预先设定的权限边界。再将耗时和Token成本与现有模型进行对比，就能直观判断K3是否适合接入日常工作流。2.8万亿的参数规模只是吸引注意力的亮点，从零构建编译器、连续48小时完成芯片设计才是其展示的技术方向，而最终能否让开发者持续使用，仍取决于它能否按要求交付最终的文件成果。
