Kimi 新模型 K3 跑分赢了 Opus 4.8 和 GPT-5.5，2.8 万亿参数还带百万上下文，解码快到飞起，技术细节值得细看。
Kimi K3 发布，参数规模达 2.8 万亿，支持 100 万 token 上下文和原生多模态。采用 Kimi Delta Attention 机制，百万 token 上下文中解码速度提升 6.3 倍。Attention Residuals 使训练效率提升约 25%，额外成本低于 2%。在 Online Exp、DECK-Bench、Finance-Bench 三项内部跑分中全面超过 Opus 4.8 和 GPT-5.5。该模型面向长周期 Agentic Coding 和自我进化工作流。
Kimi K3放了一组内部跑分，Online Exp、DECK-Bench、Finance-Bench三项，K3全部压过Opus 4.8和GPT-5.5 https://t.co/qO4YLBx3qy
Kimi K3放了一组内部跑分，Online Exp、DECK-Bench、Finance-Bench三项，K3全部压过Opus 4.8和GPT-5.5 x.com/FinanceYF5/sta… AI Will @FinanceYF5 Kimi K3刚刚发布：开放的前沿智能模型。 核心信息： 🔹 2.8 万亿参数，100 万上下文，原生多模态 🔹 Kimi Delta Attention 在百万 Token 上下文中，解码速度最高提升 6.3 倍 🔹 Attention Residuals 让训练效率提升约 25%，额外成本低于 2% 🔹 面向长周期 Agentic Coding 和自我进化工作流 🔗 View Quoted Tweet 💬 0 🔄 0 ❤️ 0 👀 515 ⚡