最近 Z.ai GLM 獲得了太多關注，現在是 Kimi K3 反擊的時候了！要理解這次開源模型發布的規模並不容易，幸好月之暗面（Moonshot AI）為我們做了總結。他們完全由 Kimi K3 編輯的宣傳影片非常值得一看。

根據 Artificial Analysis 的智慧指數，Kimi K3 獲得 57 分，其智慧程度可與 Opus 4.8 和 GPT-5.5 媲美，但仍落後於 Fable 5 和 GPT-5.6 Sol。月之暗面已表示計劃發布這個 2.8 兆參數模型的權重，這將使其成為領先的開源模型。

這是 2026 年 7 月 15 日至 7 月 16 日的 AI 新聞。我們查閱了 12 個 Reddit 子版塊、544 個 Twitter 帳號，但沒有進一步的 Discord 資訊。AINews 網站允許您搜尋所有過往的期刊。提醒您，AINews 現已成為 Latent Space 的一個專區，您可以選擇訂閱或取消電子郵件頻率。

月之暗面發布 Kimi K3 作為一個前沿級別的開源權重模型，官方聲稱其性能接近頂級閉源模型，並超越了之前的開源競爭者。

月之暗面正式推出 Kimi K3，稱其為「開放前沿智慧」，擁有 2.8 兆總參數、100 萬上下文視窗、原生多模態輸入、Kimi Delta Attention (KDA) 和 Attention Residuals 技術。該模型已在 Kimi.com、Kimi Work、Kimi Code 和 API 上線，並承諾於 2026 年 7 月 27 日前開源其權重。

月之暗面還強調了其產品定位，包括長週期代理式編碼和自我演化工作流程，以及「視覺迴圈」（vision in the loop）的編碼/遊戲建構工作流程，可在程式碼和螢幕截圖之間迭代。

在正式發布之前，多個帳號已流傳了 K3 擁有 2.8 兆參數的洩露或應用程式來源細節，並稱如果權重如期發布，這將是史上最大的開源權重模型。官方的 Kimi 部落格隨後上線，並被廣泛分享為主要的技術來源。

月之暗面自己的措辭承認了一項限制：儘管 K3 整體上極具競爭力，但在使用者體驗方面，與 Claude Fable 5 和 GPT-5.6 Sol 相比仍存在「明顯差距」。

Arena 宣布 Kimi K3 已進入 Agent Arena，以及 Text、Vision、Document 和 Frontend Code Arena，後續將進行社群評估。Arena 隨後報告了一項重要的早期結果：Kimi K3 以 1679 分在 Frontend Code Arena 中排名第一，超越了 Claude Fable 5，從 K2.6 的第 18 名躍升至第 1 名，並在七個前端領域中的六個領域排名第一，遊戲領域排名第二。

Arena 後來補充說，K3 在 Frontend Code Arena 中的配對勝率為 76%，而 Fable 5 為 63%，GPT-5.6 Sol 為 58%。在 Text Arena 中，K3 以 1486 分排名第九，從第 38 名大幅躍升，並在創意寫作、編碼和指令遵循方面進入前十名，在多個職業細分領域排名第一。

Artificial Analysis 發布了一項獨立評估，將 K3 在 AA 智慧指數上評為 57 分，稱其可與 Opus 4.8 和 GPT-5.5 媲美，但整體仍落後於 Fable 5 和 GPT-5.6 Sol。AA 還報告 K3 在 GDPval v2 上獲得 1668 Elo 分數，在 AutomationBench-AA 上以 53% 排名第一，並在 AA-Briefcase 上獲得 1547 Elo 分數。

其每項任務成本為 0.94 美元，在完整的智慧指數運行中，輸出 token 數量比 K2.6 減少約 21%。

這次發布立即引發了工程師和模型觀察者的強烈反響，他們將 K3 視為一個可與早期 DeepSeek 時刻相媲美的開源模型里程碑。

官方規格：2.8 兆總參數、100 萬上下文視窗、原生多模態輸入（文字 + 圖像）、文字輸出，並將於 7 月 27 日前開源權重。K3 使用 Kimi Delta Attention (KDA) 技術，月之暗面表示這可以在百萬級上下文視窗中實現高達 6.3 倍的解碼速度。

它還使用了 Attention Residuals (AttnRes)，據稱能以不到 2% 的額外成本，提供約 25% 的訓練效率提升。

社群讀者在部落格中強調了額外的架構細節：LatentMoE / Stable LatentMoE，896 個專家中啟用了 16 個，這意味著激活率低於 2%。更多社群從部落格/報告討論中提取的細節包括：per-head Muon、QB 負載平衡 / 分位數負載平衡，以及一種名為 SiTU (Sigmoid Tanh Unit) 的新型激活函數。

一位工程師指出，該架構因結合了 KDA + LatentMoE + AttnRes，並將規模擴大到先前 Kimi 模型的兩倍以上而引人注目。KDA 的孵化週期很長：據報導，設計始於 2025 年 1 月，耗時約 1.5 年才達到前沿規模。

K3 的定價據報導為每 100 萬輸入 token 3 美元，每 100 萬輸出 token 15 美元，快取輸入則享 90% 折扣，降至每 100 萬 token 0.30 美元。幾位發文者將此定價與 Sonnet 5 進行了比較，其中一些人指出 Sonnet 在八月底前暫時更便宜，之後價格將更趨於一致。

根據 80% 輸入 / 20% 輸出的混合估計，K3 的成本為每 100 萬 token 5.40 美元，而 Opus 4.8 為 9 美元，GPT-5.5 為 10 美元。Artificial Analysis 估計，K3 每項智慧指數任務的平均成本為 0.94 美元，而 GPT-5.6 Sol 為 1.04 美元，Opus 4.8 為 1.80 美元。

早期即時服務觀察顯示，透過 OpenRouter 上的 Moonshot API，K3 的速度約為每秒 28 個 token，另一位觀察者則看到每秒 26 個 token。他們稱其比 Opus 慢，並推測可能是預測解碼（speculative decoding）尚未啟用。據報導，月之暗面的部落格建議在配備 64 個以上加速器的超級節點配置上部署，以獲得最佳推論效率。

vLLM 表示，月之暗面直接向 vLLM 貢獻了 KDA 前綴快取（prefix caching）的實作，並在官方發布當天就提供了支援。月之暗面對 KDA 的貢獻被認為很重要，因為 KDA 打破了傳統前綴快取背後的假設，因此需要上游運行時的變更。

月之暗面的官方基準測試訊息，經他人總結，將 K3 定位為在所有測試模型中僅次於 Claude Fable 5 和 GPT-5.6 Sol，並領先於 Claude Opus 4.8。一個被引用的數字是：在 GDPval-AA v2 上獲得 1687 分，高於 Opus 4.8，但落後於 GPT-5.6 Sol 的 1747.8 分。

Artificial Analysis 的獨立數據顯示：AA 智慧指數：57 分；GDPval v2 Elo：1668 分；AutomationBench-AA：53%，排名第一；AA-Briefcase Elo：1547 分。AA-Omniscience 方面，分數提升 18，準確度從 K2.6 的 33% 提升至 46%，但幻覺率卻從 39% 惡化至 51%。

AA 還報告說，K3 在整個智慧指數運行中消耗了 1.32 億個輸出 token，而 K2.6 消耗了 1.66 億個，這意味著在獲得 13 個指數點的同時，輸出減少了 21%。

Arena 的前端結果尤其突出，因為它是一個基於人類偏好的配對競技場，而不僅僅是靜態基準測試，K3 的前端排名第一成為主要發布頭條之一。社群貼文也強調了在核心優化任務上的強勁表現，一些人表示 K3 在某些核心/程式碼生成設定中與 Fable 持平或超越。

ProgramBench 作者 Ofir Press 提出了一項基準測試的注意事項，他表示 Kimi 使用了一種他們不推薦的指標：平均實作百分比，而不是計算完全可運行的程式，這可能會誇大其有用性。

直接來源的事實與聲明：Kimi K3 由月之暗面正式發布。官方披露的規格包括 2.8 兆參數、100 萬上下文視窗、原生多模態輸入、KDA、AttnRes，並將於 7 月 27 日前開源權重。Artificial Analysis 獨立評估 K3 在智慧指數上獲得 57 分，並提供詳細的任務、成本、token 和基準數據。

Arena 獨立將 K3 評為 Frontend Code Arena 第一名，隨後報告其配對勝率為 76%。vLLM 確認月之暗面為 KDA 前綴快取貢獻了運行時支援。

觀點與解讀：「DeepSeek 時刻」、「中美 AI 競賽的開始」和「一切都改變了」是觀察者的編輯解讀，而非既定事實。關於 K3 在 14 個基準測試中「擊敗 GPT-5.6 Sol 11 個」和「擊敗 Fable 6 個」的說法，是社群的綜合摘要，應視為取決於基準測試集和確切方法。

關於這意味著 Dario/Anthropic 的利潤壓力、地緣政治轉捩點或近期超級智慧的斷言，都屬於推測性評論。幾項「蒸餾」的暗示被明確地視為玩笑或猜測，而非證據。

強烈支持者：許多工程師稱 K3 是一個真正的前沿開源模型，特別是因為它似乎比 Opus 4.8 更好，定價接近 Sonnet，並計劃開源權重。支持者強調，這不再只是「對開源有益」，而是與頂級閉源模型具有競爭力。一些人認為這次發布證明開源模型現在距離前沿僅數週或數月之遙。另一些人則認為這大大提高了未來 AGI 級系統開源的可能性。

支持但技術上謹慎者：Artificial Analysis 提出了更為保守的觀點：K3 可與 Opus 4.8 和 GPT-5.5 媲美，但在整體智慧方面仍落後於 Fable 5 和 GPT-5.6 Sol。Simon Willison 形容 K3 意義重大，但也引導讀者關注細微的注意事項和基準測試的警告，而非簡單的排行榜炒作。

Ethan Mollick 的實際體驗是：這是一個非常好的開源權重模型，但還不是 Sol Max 或 Fable。一位使用者表示 K3 的智慧很強，但速度慢，有時過度檢查，並且在品味/美學方面仍落後於 Claude。

批評與懷疑者：Bindu Reddy 警告說，除非在隱藏/未受污染的評估（如 LiveBench）上得到驗證，否則 K3 的基準測試結果可能被誇大，並認為如果模型「思考時間過長」，實際成本可能不那麼有利。ProgramBench 的維護者反對月之暗面的指標選擇，稱其可能會相對於完全可運行的程式，誇大部分正確的性能。

Artificial Analysis 也指出了一個真正的弱點：儘管準確度有所提高，但 AA-Omniscience 上的幻覺率卻出現了退步。多位使用者指出，K3 目前似乎思考很多，保留了冗長的推理歷史，可能需要比簡單的聊天優先 API 更仔細的支援。

一些懷疑集中在經濟和部署能力上：2.8 兆的開源權重令人印象深刻，但實際的自我託管可能仍僅限於資金充足的團隊。

政治與戰略解讀：大量推文將 K3 視為中國實驗室不再遠遠落後、美國領先地位正在縮小的證據。另一些人則反駁說，即使原始能力接近，K3 在可用性/產品化方面似乎仍落後於最頂尖的西方模型。一些人認為，開源的中國模型透過壓縮利潤和商品化能力，對美國實驗室構成了經濟壓力。另一些人則認為，不可避免的下一步將是在工具、產品和部署系統上展開更多競爭，而不僅僅是原始模型權重。

為何這在技術上很重要：K3 不僅因其原始規模而引人注目，更因為它將非標準的注意力堆疊（KDA + AttnRes + 稀疏 MoE）擴展到前沿級別模型。這次發布也是一個系統故事：長上下文服務、前綴快取和 KDA 運行時支援。