首页站长新闻Kimi K3开放模型权重及技术报告：2.8万亿参数模型配套训练设施同步开源

Kimi K3开放模型权重及技术报告：2.8万亿参数模型配套训练设施同步开源

站长新闻

2026-07-28 697

月之暗面日前正式开放了 Kimi K3 的模型权重和技术报告，同时开源了三项支撑模型训练的基础设施：MoonEP、FlashKDA 和 AgentENV。模型加上底层训练框架一起放出来，这在国产大模型里并不多见，也让这次开源比一般意义上的”放权重”更有看头。

一、Kimi K3 的核心规格

Kimi K3 是月之暗面目前的旗舰模型，采用混合专家（MoE）架构，总参数规模达到 2.8 万亿。模型基于 KDA（Kimi Delta Attention）注意力机制，原生支持视觉理解，上下文窗口最长 100 万 token。

从官方定位看，K3 主要面向三类场景：长程编程、知识工作和复杂推理。前两者也是 Kimi 官网首页直接标注的方向——”专为智能体编程与知识工作打造”。

二、三项基础设施分别解决什么问题

这次随模型一起开源的三项技术，覆盖了大规模训练的不同环节：

项目	作用	开源协议
MoonEP	通过动态冗余专家实现负载均衡的专家并行训练库	MIT
FlashKDA	针对 Kimi Delta Attention 的高性能计算内核	MIT
AgentENV	大规模运行智能体环境的分布式沙箱平台	MIT

其中 AgentENV 是月之暗面与 KVCache.ai 联合开发的，能在模型后训练阶段提供高保真、强隔离的智能体运行环境，支持快速快照、恢复与分叉，贴合大规模并行智能体工作流的需求。对想复现或研究 Agent 训练流程的团队来说，这套环境本身就有独立的参考价值。

三、这次开源为什么重要

按公开参数规模，Kimi K3 是目前规模最大的开放权重模型之一。但更值得注意的是开源的范围：权重、技术报告、训练基础设施三件一起给出，等于把超大规模 MoE 模型的训练链路部分公开了。

对开发者和研究机构来说，这意味着两件事。一是可以直接基于 K3 做下游微调和部署；二是 MoonEP、FlashKDA 这类工程组件可以单独拿出来用，不需要整套模型才能受益。国产开源模型的竞争，正在从”谁的模型分高”延伸到底层工程能力和工具链层面。

四、使用前要注意什么

两点提醒。第一，Kimi K3 仓库的许可条款与常见的 MIT、Apache 协议不同，商用前建议先读一遍仓库内的 LICENSE 文件，确认授权范围。第二，2.8 万亿参数的模型即便用 MoE 架构，本地部署的硬件门槛依然很高，中小团队更现实的路径是走 Kimi 开放平台的 API，或者在合规前提下使用社区量化版本。