Kimi K3 相关 AI 资讯

7月28日

16:23

AI Will@FinanceYF5

Arena AI 数据显示，Anthropic 的 Claude Opus 5 在启用 Max reasoning 时，在 Frontend Code Arena 中排名第 1，在 Text Arena（factuality on）中也排第 1。Opus 5 默认高推理模式在 Frontend Code Arena 中排第 3（仅次于 Kimi K3），在 Text Arena 中排第 2。这些结果覆盖 agentic 网页编程、文档推理和通用对话能力。其中 Opus 5 Max 的分数为初步数据，最终排名可能变化。

事件专题

推荐理由：Anthropic 的 Claude Opus 5 在真实编程和文本推理任务上跑赢了多数竞品，想看看新模型实力的可以关注这个榜单。

原文

16:21

16:21IT之家（博客/媒体）

75°

月之暗面于7月27日正式开源Kimi K3，总参数量达2.8万亿，是全球首个开源3万亿级别模型，面向长程编程、知识工作和推理场景。华为宣布昇腾实现0day极速适配：训练侧基于MindSpeed MM在Atlas 800 A3、Atlas 900 A3 SuperPoD上完成减层训练适配，并进行算子、并行加速、显存优化；推理侧通过vLLM Ascend和SGLang快速部署，昇腾950超节点支持FP8、MXFP8、MXFP4等全系列精度，原生支持Kimi K3的mxFP4量化权重。此外，月之暗面同步开源了支撑Kimi K3训练的MoonEP、FlashKDA和AgentEnv三项Infra技术。

AI模型 Kimi K3 昇腾月之暗面

事件专题

推荐理由：华为昇腾第一时间适配了刚开源的Kimi K3，2.8万亿参数模型能在昇腾上跑训练和推理了，还支持mxFP4量化。

原文

16:16

官方一手Pandaily@contact@pandaily.com (Pandaily)

82°

Moonshot AI发布47页Kimi K3技术报告，核心架构包括KDA+Gated MLA混合注意力机制。AttnRes跨层检索层降低推理成本。Stable LatentMoE包含896个专家，支持动态路由。采用51.2M规模的RL沙箱进行强化学习训练，提升模型对齐能力。报告还引入模型参数与推理时间两个缩放轴，重新定义性能前沿。

AI模型 Kimi K3 Moonshot AI DeepSeek

事件专题

推荐理由：Moonshot AI 发了Kimi K3的47页技术报告，混合注意力、896专家MoE和5100万RL沙箱的架构特别硬核，值得看它怎么跟DeepSeek对标。

原文

16:07

16:07IT之家（博客/媒体）

LM Studio Bionic 智能体工具新增对月之暗面 Kimi K3 模型的支持。Kimi K3 拥有 2.8 万亿参数和 100 万上下文窗口，托管于美国服务器，默认启用零数据保留。输入每百万 token 收费 3 美元，输出每百万 token 收费 15 美元，命中缓存输入收费 0.30 美元。该工具还支持 DeepSeek V4、GLM-5.2、Kimi K2.6 等开源模型，适用于编程、研究及文档处理。

AI产品 LM Studio Bionic Kimi K3 月之暗面

事件专题

推荐理由：想用2.8万亿参数的Kimi K3？LM Studio Bionic刚上架，价格透明，还能混搭其他开源模型，值得一试。

原文

16:05

官方账号Latent Space (swyx)@Latent.Space

在AI开放权重的热议中，只有Kimi K3于今天正式发布。Kimi K3是Moonshot AI的最新模型，具体参数量尚未公布。该模型的发布被视为对开源社区的实际贡献，区别于其他公司的承诺。

AI模型 Kimi K3 Moonshot AI 开放权重

事件专题

推荐理由：大家都在吹开放权重，只有Kimi真发了K3。来看看这个模型到底怎么样。

原文

13:38

小互@imxiaohu

精选

Kimi K3 是一个拥有2.8万亿参数的混合专家（MoE）模型，包含896个专家，每次推理激活16个。通过三处架构改动，其训练算力效率提升至原来的2.5倍。训练过程使用了5122万个沙箱资源。

AI模型 Kimi K3 MoE 推理模型

事件专题

推荐理由：Kimi 新模型K3 参数2.8万亿，896个专家，算力效率拉高2.5倍，技术细节很扎实。

原文

11:47

官方账号arXiv cs.LG@ Kimi Team, Tongtong Bai, Yifan Bai, Yiping Bao, M. C., Jianfeng Cai, Xinyuan Cai, Peizhou Cao, Yuxuan Cao, Ziwei Chai, Y. Charles, H. S. Che, Guanduo Chen, Guangyu Chen, Guanzheng Chen, Huarong Chen, Jia Chen, Jianlong Chen, Jun Chen, Kexin Chen, Peng Chen, Ruijue Chen, Wentao Chen, Xin Chen, Yang Chen, Yanru Chen, Yifei Chen, Yingjiang Chen, Yuankun Chen, Yujie Chen, Yutian Chen, Zhirong Chen, Dazhi Cheng, Yean Cheng, Jialei Cui, Jingbing Cui, Anqi Dai, Jiaqi Deng, Hao Ding, Rui Ding, Shaofeng Ding, Mengfan Dong, Mengnan Dong, Yuhao Dong, Yuxin Dong, Angang Du, Chenzhuang Du, Dikang Du, Jusen Du, Yulun Du, Yu Fan, Jing Feng, Qiulin Feng, Yichen Feng, Kelin Fu, Qiang Fu, Fuxuan Gao, Hongcheng Gao, Jingyue Gao, Tong Gao, Weijia Gao, Shangyi Geng, Jie Gong, Linhu Gong, Shengao Gong, Xiaochen Gong, Qizheng Gu, Yicheng Gu, Shuhao Guan, Haiqing Guo, Shiqi Guo, Xiang Guo, Zhengyan Guo, Beixi Hao, Wenxin Hao, Xiaoru Hao, Dailan He, Haotian He, Lehan He, Qi He, Weiran He, Xinran He, Xinyi He, Yibo He, Yunjia He, Chao Hong, Tiange Hong, Hao Hu, Jiaxi Hu, Ruikun Hu, Weiming Hu, Yangyang Hu, Zhenxing Hu, Liang Hua, Jinbin Huang, Ke Huang, Ruiyuan Huang, Siying Huang, Weixiao Huang, Yan Huang, Zhengjie Huang, Zhiqi Huang, Yulong Hui, Chaobo Jia, Yutong Jiang, Zhejun Jiang, Zuoyou Jiang, Wenyi Jin, Xinyi Jin, Yu Jing, Huanjun Kong, Guokun Lai, Aidi Li, Cheng Li, Chengyuan Li, Cong Li, Fang Li, Guanyu Li, Haoyang Li, Jia Li, Junxiong Li, Lei Li, Letian Li, Lincan Li, Weihong Li, Wentao Li, Xintong Li, Yang Li, Yishen Li, Yiwei Li, Yuxiao Li, Zhaowei Li, Zhaoxi Li, Zheming Li, Zhengxiao Li, Zhiyuan Li, Jiawei Lin, Xiaohan Lin, Yibo Lin, Zichao Lin, Ziyan Lin, Bill Liu, Boxiao Liu, Chuan Liu, Liang Liu, Shaowei Liu, Shudong Liu, Shuran Liu, Tianwei Liu, Weizhou Liu, Yangyang Liu, Yanming Liu, Yibo Liu, Yipeng Liu, Zhengying Liu, Zhiheng Liu, Enzhe Lu, Haoyu Lu, Linqiang Lu, Tingzhan Lu, Zhiyuan Lu, Aotian Luo, G. Luo, Junyu Luo, Yifan Luo, B. Lyu, Wenzhou Lyu, Shaoguang Mao, Yuan Mei, Xin Men, Minqing Ni, Yixuan Niu, Siyuan Pan, Shujun Peng, Zhangyang Qi, Ruoyu Qin, ZeChao Qin, Zeyu Qin, Haiquan Qiu, Jianxin Qiu, Jiezhong Qiu, Bowen Qu, Yuhao Qu, Zeyu Shang, Youbo Shao, Han Shen, Jincheng Shi, Juanfeng Shi, Lidong Shi, Shengyuan Shi, Wingchun Siu, Pengwei Song, Xiaoxi Song, Jianlin Su, Yunfeng Su, Zhaochen Su, Lin Sui, Jingsong Sun, Junyao Sun, Shaoning Sun, Shuzhe Sun, Tongyu Sun, Yujun Sun, Yunpeng Tai, Chuning Tang, Heyi Tang, Sirui Tang, Zecheng Tang, Chaoran Tian, Rongpeng Tian, Yu Tian, Wei Tu, Chensi Wang, Chuang Wang, Chunjie Wang, Dinglu Wang, Feng Wang, Hailong Wang, Haiming Wang, Hao Wang, Hao Wang, Huaqing Wang, Hui Wang, Jiayi Wang, Jinglong Wang, Jinhong Wang, Jiuzheng Wang, Linian Wang, Shaobo Wang, Shenzhi Wang, Shuyi Wang, Si Wang, Siyuan Wang, Tianfu Wang, Wenjue Wang, Xingran Wang, Xinmei Wang, Xinyuan Wang, Xusheng Wang, Yalin Wang, Yangkun Wang, Yao Wang, Yaoyu Wang, Yejie Wang, Yiqin Wang, Yucheng Wang, Yuzhi Wang, Zhaoji Wang, Zhaowei Wang, Zhengtao Wang, Zhenhao Wang, Zhongsheng Wang, Zifan Wang, Chu Wei, Ming Wei, Shouxin Wei, Zichen Wen, Fan Wu, Haoning Wu, Rucong Wu, Wenhao Wu, Xiaoxue Wu, Yingcong Wu, Yongqi Wu, Yuxin Wu, Zijian Wu, Xinglang Xian, Chenxuan Xiang, Yuye Xiang, Bocheng Xiao, Chenjun Xiao, Xin Xiao, Jin Xie, Xiaotong Xie, Yifeng Xie, Zhe Xie, Bowei Xing, Yiming Xiong, Baosheng Xu, Boyu Xu, Jiale Xu, Jianfan Xu, Jing Xu, Jinjing Xu, L. H. Xu, Qingtao Xu, Shuyao Xu, Suting Xu, Tiantian Xu, Tianxiang Xu, Weixin Xu, Xinran Xu, Yangchuan Xu, Ye Xu, Yueni Xu, Ziyao Xu, Haonan Xue, Junjie Yan, Yaoyao Yan, Fan Yang, Guangyao Yang, Hao Yang, Junwei Yang, Ruoyu Yang, Wenjie Yang, Xiaofei Yang, Xinyu Yang, Yi Yang, Yiling Yang, Ying Yang, Yuchen Yang, Zhen Yang, Zhilin Yang, Zian Yang, Zuhao Yang, Haotian Yao, Dan Ye, Haoran Ye, Wenjie Ye, Zhanbo Ye, Bohong Yin, Haoxiang Yin, Xietong Yin, Chengzhen Yu, Haozhen Yu, Longhui Yu, Shengnan Yu, Shuying Yu, Tianxiang Yu, Enming Yuan, Mengjie Yuan, Tongtian Yue, Wei Yue, Yang Yue, Dunyuan Zha, Haobing Zhan, B. H. Zhang, Dehao Zhang, Fei Zhang, Hao Zhang, Haoyuan Zhang, Huanyu Zhang, Jiapei Zhang, Jiaxuan Zhang, Jin Zhang, Kaiyi Zhang, Miaozhen Zhang, Puqi Zhang, Qinglei Zhang, Rong Zhang, Rui Zhang, Shaoshuai Zhang, Shiyi Zhang, Xiaobin Zhang, Xiaoyun Zhang, Y. Zhang, Yangkun Zhang, Ye Zhang, Yichi Zhang, Yikun Zhang, Yizhi Zhang, Yongting Zhang, Yu Zhang, Yutao Zhang, Yutong Zhang, Zheng Zhang, Zijing Zhang, Bin Zhao, Chenguang Zhao, Feifan Zhao, Jinglun Zhao, Jinxiang Zhao, Shuai Zhao, Wenshuo Zhao, Xiangyu Zhao, Xuanle Zhao, Yikai Zhao, Zijia Zhao, Haozhi Zheng, Huabin Zheng, Ruihan Zheng, Shaojie Zheng, Tengyang Zheng, Haofeng Zhong, Lei Zhong, Longguang Zhong, M. Zhou, Qiankang Zhou, Runjie Zhou, Ruozhang Zhou, Xinyu Zhou, Yiqiao Zhou, Zaida Zhou, Jinguo Zhu, Liya Zhu, Xinhao Zhu, Yangjunfeng Zhu, Yuxuan Zhu, Zhen Zhu, Chen Zhuang, Weiyu Zhuang, Xinxing Zu

Kimi K3是一个2.8万亿参数的Mixture-of-Experts模型，激活参数104B，支持100万token上下文窗口和原生视觉。它采用Kimi Delta Attention和Attention Residuals改进信息流动，训练效率相比Kimi K2提升约2.5倍。后训练中应用了强化学习，覆盖通用、智能体和编程领域，实现组合泛化。在长程编码、智能体、知识、推理和视觉任务上达到前沿水平，但整体性能仍落后于Claude Fable 5和GPT-5.6 Sol。官方已开源完整模型权重。

AI模型 Kimi K3 MoE 开源模型

事件专题

推荐理由：Kimi 开源了2.8T参数的K3模型，激活104B参数，能处理百万token上下文，视觉能力也不弱，性能直逼Claude和GPT-5.6，适合用来部署或研究。

原文

11:30

官方一手歸藏(guizang.ai)@op7418

Kimi K3已如期开源，并在多家推理服务上线。各平台的API价格保持一致，但部分Token plan已开始打折，例如OpenCode Zen和Cline Pass。Cursor提供的额度也较高。用户预计明天即可在各大平台的Token Plan中使用Kimi K3。

AI模型 Kimi K3 开源模型推理服务

事件专题

推荐理由：Kimi K3开源了，各平台价格统一，但有些套餐已经开始打折，Cursor给的额度也高，想用便宜算力的可以留意了。

原文

11:03

Augment Code@augmentcode

Augment 宣布将 Kimi K3 模型引入其产品家族，称其为至今测试过的最强大的开源模型。用户即日起可在 Augment 的智能体编排平台 Cosmos 上使用该模型。推理服务由 Fireworks AI 提供美国境内部署。Kimi K3 由 Moonshot AI 团队开发。

AI模型 Kimi K3 Augment Cosmos

事件专题

推荐理由：想用最强开源模型？Kimi K3 现在在 Augment 的 Cosmos 里就能直接跑，智能体编排加顶级推理，试起来。

原文

09:49

官方一手pandaily@contact@pandaily.com (Pandaily)

72°

Moonshot AI 正式开源 Kimi K3 模型，拥有 2.8T MoE 参数、896 个路由专家，每 token 激活 16 个专家，支持 1M 上下文窗口。同时开源 MoonEP、FlashKDA 和 AgentEnv 三项基础设施技术。技术报告与模型权重同步发布。

AI模型 Kimi K3 Moonshot AI MoE

事件专题

推荐理由：Moonshot AI 发布了 2.8T 参数的 Kimi K3，MoE 架构加 1M 上下文，还配套了工具，开源党可以玩起来了。

原文

08:17

Fireworks AI@FireworksAI_HQ

Kimi 发布新模型 Kimi K3，已集成至编程助手 Cursor。该模型在 CursorBench 基准上得分接近前沿水平。推理服务由 Fireworks、Together 和 Baseten 在美国提供，并支持零数据保留。

AI模型 Kimi K3 Cursor Fireworks

事件专题

推荐理由：Kimi 的 K3 模型现在可以直接在 Cursor 里用了，编程体验接近前沿，而且支持零数据保留，适合敏感场景。

原文

07:53

07:53官方账号Simon Willison’s Weblog（博客/媒体）

Moonshot AI 兑现承诺，于 7 月 27 日发布 Kimi K3 的完整权重，参数规模达 2.8 万亿，Hugging Face 上文件大小约 1.56TB。与 K2 使用的“修改版 MIT 许可”不同，K3 不再自称 MIT，而是规定月活超 1 亿或月营收超 2000 万美元的 MaaS 业务需与 Moonshot 另行签约。OpenRouter 已上线 K3，来自 7 个提供商，定价均为每百万输入 token 3 美元、每百万输出 token 15 美元。

AI模型 Kimi K3 Moonshot OpenRouter

事件专题

推荐理由：Moonshot 把 2.8T 参数的金刚级模型权重大方放出来了，就是商用门槛卡得严——大厂做 MaaS 得单独谈。价格倒很统一，OpenRouter 上多家同价。

原文

07:26

07:26IT之家（博客/媒体）

月之暗面于7月27日晚正式开源Kimi K3模型，该模型参数量达2.8万亿，是当前国内规模最大的开源大模型。开源版本可供社区下载使用，有利于推动大模型技术研究和应用开发。具体架构、性能等细节已随开源发布。

AI模型 Kimi K3 月之暗面开源模型

事件专题

推荐理由：月之暗面开源了2.8万亿参数的Kimi K3，参数规模巨大，适合研究者下载使用。

原文

07:23

Notion@NotionHQ

Notion 宣布在其平台中集成 Kimi K3，这是一款由 Moonshot AI 开发的开源权重模型。该模型由美国提供商 Fireworks 托管，用户可直接在 Notion 中使用。Kimi K3 以 1M 上下文长度和强推理能力为特点，此次集成降低了使用门槛。

AI产品 Kimi K3 Notion Fireworks

事件专题

推荐理由：Notion 用户现在可以直接用上 Kimi K3 了，托管方是 Fireworks，省去自己部署的麻烦。

原文

06:36

官方账号Cursor@cursor_ai

Kimi K3 模型正式集成到 Cursor 中。该模型在 CursorBench 基准上得分接近前沿水平。通过 Fireworks、Together 和 Baseten 提供美国地区推理，并支持零数据保留。Kimi K3 在编码辅助方面表现出色。

AI模型 Kimi K3 Cursor CursorBench

事件专题

推荐理由：Cursor 上了 Kimi K3，编程能力不输前沿模型，还支持零数据保留，可以试下。

原文

05:30

AK@_akhaliq

Moonshot AI 的 Kimi K3 模型现在可以通过 Hugging Face 上的 Claude 模型集成到 Claude Code 编程辅助工具中。开发者可在 Claude Code 环境中直接调用 Kimi K3 进行代码生成和对话。这一集成扩展了 Claude Code 支持的模型生态。

AI产品 Kimi K3 Claude Code Hugging Face

事件专题

推荐理由：Moonshot AI 的 Kimi K3 现在能直接在 Claude Code 里用了，写代码时多一个模型可选。

原文

04:50

官方一手marktechpost@Asif Razzaq

Moonshot AI的Kimi团队与kvcache-ai于7月27日开源AgentENV（AENV），采用MIT协议，作为Kimi K3开放日的一部分。该系统将Agent沙箱运行在Firecracker微虚拟机中，支持毫秒级快照、恢复和16路fork。它提供E2B兼容的API，用于大规模智能体强化学习训练。

AI产品 AgentENV Kimi K3 kvcache-ai

事件专题

推荐理由：Kimi团队把内部训练智能体的分布式系统AgentENV开源了，支持毫秒级快照和16路fork，搞强化学习训练省事儿很多。

原文

03:50

官方账号Decoder@Matthias Bastian

71°

Moonshot AI发布了Kimi K3的模型权重，并开源了部分基础设施代码。该模型在多个流行基准测试上得分接近Fable 5和GPT-5.6 Sol。但独立测试发现Kimi K3在网络和数学任务上存在显著性能差距，可能源于蒸馏技术。Kimi K3的开源版本提供了权重和推理框架。

AI模型 Kimi K3 Moonshot AI Fable 5

事件专题

推荐理由：Kimi K3开源了，基准接近Fable 5和GPT-5.6，但数学和网络能力有差距，适合对比测试。

原文

02:56

Aadit Sheth@aaditsh

Kimi K3拥有3万亿参数，支持1M上下文和原生视觉，推理能力与顶级闭源模型Opus相当。该模型已在Fireworks平台提供推理和训练服务，由美国托管且零数据留存。其价格比Opus低2-5倍，适合在成本和性能间平衡的场景。这是首个达到3万亿参数级别的开源前沿模型。

AI模型 Kimi K3 Fireworks 开源模型

事件专题

推荐理由：Kimi K3在Fireworks上刚上线，3万亿参数、1M上下文、原生视觉，性能不输Opus但便宜好几倍，做高性价比推理就选它。

原文

02:54

lmarena.ai@lmarena_ai

Kimi K3 (Max) 在 Agent Arena 中以 +9.75% 的净提升率超越 GLM-5.2 (Max) 的 +7.12%，成为开源权重模型第一名，并在 Frontend Code 竞技场（1682 分）和 Text 竞技场（1485 分）同样拔得头筹。该模型为 2.8T MoE 架构，支持原生视觉理解与 1M 上下文窗口，号称每单位计算智能提升 2.5 倍。Kimi 团队同步开源模型权重、高性能注意力核、MoE 通信库及代理运行基础设施。

AI模型 Kimi K3 GLM-5.2 Moonshot

事件专题

推荐理由：Kimi 开源了 K3 模型，Agent Arena 直接干翻 GLM-5.2，净提升超 9%，代码和文本竞技场也是第一，值得关注。

原文

02:51

lmarena.ai@lmarena_ai

AI模型 Kimi K3 Frontend Code Arena Agent Arena

事件专题

推荐理由：Kimi K3 (Max) 在代码和智能体测试中双料夺冠，连 GLM-5.2 都比它低一截，开发者和研究者可以关注这个新标杆。

原文

02:50

lmarena.ai@lmarena_ai

Kimi K3 (Max)在Agent Arena开放权重模型榜单中取得#1开放和#1总体成绩。在Praise vs. Complaints维度排名#1开放和#4总体，Steerability维度#1开放和#5总体，Bash Recovery维度#1开放和#15总体。该模型在工具幻觉测试中记录为0次。

AI模型 Kimi K3 Agent Arena 开放权重模型

事件专题

推荐理由：Kimi的K3 (Max)在Agent Arena开放权重组拿了第一，整体也第一，工具零幻觉，挺能打。

原文

01:59

Guillermo Rauch@rauchg

Moonshot AI 发布的 Kimi K3 被宣称为全球最强开源权重模型，现已在 Vercel AI Gateway 上通过美国推理提供商提供服务。用户可选择零数据保留（ZDR）协议保护流量数据。首批提供商包括 Baseten、Fireworks AI 等。该模型在多项基准中表现领先，但具体分数未在本文中列出。

AI模型 Kimi K3 Vercel 开源模型

事件专题

推荐理由：想用最强开源模型？Kimi K3 已经能通过 Vercel 直接从美国提供商调用了，还支持零数据保留，省心又强大。

原文

01:48

OpenRouter@OpenRouterAI

Kimi K3 模型已正式登陆 OpenRouter 平台，用户可通过该路由服务调用。后续将支持来自 @wafer_ai、@FireworksAI_HQ 等第三方提供商的 Kimi K3 Fast 变体，进一步扩展调用选项。该推文获得 2611 次浏览和 24 次点赞，显示社区关注度较高。

AI模型 Kimi K3 OpenRouter 推理模型

事件专题

推荐理由：Kimi K3 现在能在 OpenRouter 上直接用了，还很快会有更多第三方的 Fast 版本，选供应商更方便。

原文

01:38

elvis@omarsar0

Kimi K3 成为首个 3 万亿参数级别的开放前沿模型，现已登陆 Fireworks AI 平台。该模型支持 1M 上下文长度、原生视觉功能和推理能力，性能可媲美顶级闭源模型。Fireworks 提供基于美国服务器的推理与训练服务，并承诺零数据留存。开发者可利用 LoRA 适配器对 Kimi K3 进行高效微调。

AI模型 Kimi K3 Fireworks 开放模型

事件专题

推荐理由：Fireworks 上线 Kimi K3，3万亿参数开放模型，1M上下文还带视觉和推理，能微调，赶紧试试。

原文

01:37

Windsurf@windsurf_ai

Cognition 宣布 Kimi K3 模型已在 Devin Desktop 和 Devin CLI 中可用。在 FrontierCode 1.1 基准上，Kimi K3 是首个接近前沿性能的开源模型。该模型在代码任务上的表现接近闭源前沿模型。

AI模型 Kimi K3 Devin Cognition

事件专题

推荐理由：Cognition 把 Kimi K3 放进 Devin 桌面和终端了，在 FrontierCode 上接近前沿水平，开源模型里很能打。

原文

01:20

ollama@ollama

Kimi K3 是 Moonshot 最新的旗舰模型，采用 2.8T 参数 MoE 架构，原生支持视觉理解并拥有 100 万 token 上下文窗口。新架构实现每单位计算智能提升 2.5 倍。该模型已上线 Ollama 云端，需要 Pro 或 Max 订阅并消耗额外积分才能使用。Ollama 同时开源了模型权重、技术报告以及高性能注意力内核和 MoE 通信库。

AI模型 Kimi K3 Ollama Claude Code

事件专题

推荐理由：Kimi 新旗舰 K3 登上 Ollama，2.8T MoE 超强视觉理解，还能直接配合 Claude Code 用，性能提升 2.5 倍每单位计算。

原文

01:10

Cognition@cognition_labs

精选

Cognition 发布 FrontierCode 1.1 Extended 基准，用于评估真实工程任务的合并性与质量。Kimi K3 在该基准上取得 58.2% 的得分和 63.6% 的通过率。在 Devin 环境下，Kimi K3 在复现漏洞和环境管理方面表现突出。该结果来自 devin.ai/blog/kimi-k3。

AI模型 Kimi K3 Devin FrontierCode

事件专题

推荐理由：Kimi K3 在真实工程任务基准上拿了 58.2%，而且在 Devin 里特别擅长修 bug 和管理环境，值得做开发的看看。

原文

01:02

Cognition@cognition_labs

Cognition 宣布 Kimi K3 现已集成到 Devin Desktop 和 CLI。在 FrontierCode 1.1 基准测试中，Kimi K3 是首个接近前沿性能的开源模型。这标志着开源编码模型达到了新的高度。

AI模型 Kimi K3 Devin FrontierCode 1.1

事件专题

推荐理由：Cognition 把 Kimi K3 放进 Devin 了，在 FrontierCode 上接近顶尖水平，而且是开源，想试最新的编码模型可以直接用。

原文

01:01

宝玉@dotey

81°

Kimi K3 是 Moonshot 发布的最强模型，总参数量 2.8T，采用 MoE 架构，支持原生视觉理解和 1M token 上下文窗口。新架构使每单位计算智能提升 2.5 倍，并非单纯增加参数量。除模型权重外，还开源了高性能 attention kernels、MoE 通信库和用于大规模 agent 环境运行的基础设施。模型权重已在 Hugging Face 发布，技术报告和博客同步公开。

AI模型 Kimi K3 MoE 多模态

事件专题

推荐理由：Kimi K3 开源了，2.8T MoE 模型，1M 上下文，每算力智能翻倍，还有全套底层代码，想研究大模型的快去下载。

原文

01:00

AK@_akhaliq

72°

Moonshot AI 发布了 Kimi K3 模型。该模型已在 Hugging Face 平台开源。K3 是 Kimi 系列的最新版本。

AI模型 Kimi K3 Moonshot AI 开源模型

事件专题

推荐理由：Moonshot AI 开源了 Kimi K3，你可以直接下载体验新版本。

原文

01:00

Yangyi@Yangyixxxx

月之暗面（Moonshot AI）宣布Kimi K3模型已如期开源。开发者预计明天即可在各大平台的Token Plan中使用Kimi K3。这一开源动作有望获得海外开源社区的积极评价。

AI模型 Kimi K3 月之暗面开源模型

事件专题

推荐理由：月之暗面把Kimi K3开源了，明天就能在Token Plan里用，开源社区肯定high起来。

原文

00:54

The Rundown AI@therundownai

75°

Moonshot 正式开源其最强模型 Kimi K3 的权重与技术报告。K3 是 2.8T 参数的 MoE 模型，支持原生视觉理解和 1M token 上下文窗口。新架构实现每单位计算智能提升 2.5 倍。同时开源了高性能注意力内核、MoE 通信库以及大规模智能体运行环境基础设施。

AI模型 Moonshot Kimi K3 MoE

事件专题

推荐理由：Moonshot 直接把最强模型 Kimi K3 权重开源了，2.8T MoE 还带视觉，算力效率翻倍，诚意满满！

原文

00:40

elvis@omarsar0

71°

Kimi AI 开源了其最强模型 Kimi K3 的权重和技术报告。K3 是一个 2.8T 参数的 MoE 模型，具备原生视觉理解和 1M token 上下文窗口。新架构使每单位计算智能提升 2.5 倍。此外，Kimi 还开源了高性能注意力内核、MoE 通信库和智能体环境基础设施。模型权重和报告已在 Hugging Face 和 GitHub 公开。

AI模型 Kimi K3 MoE 多模态

事件专题

推荐理由：Kimi K3 开源了，2.8T MoE 模型带视觉和超长上下文，还开放了底层工具链，值得研究。

原文

00:18

Fireworks AI@FireworksAI_HQ

72°

Kimi K3 在 Fireworks 平台上线，提供推理和训练服务。这是首个3万亿参数级别的开放前沿模型。它支持1M上下文窗口和原生视觉能力。其推理性能可媲美GPT-4o等顶级闭源模型。服务托管于美国且承诺零数据保留。

AI模型 Kimi K3 Fireworks 推理模型

事件专题

推荐理由：Fireworks 上了首个3万亿参数的开放模型 Kimi K3，百万上下文加视觉，推理不输闭源，还零数据保留，上手试试。

原文

00:17

Fireworks AI@FireworksAI_HQ

Kimi K3 是 Fireworks AI 推出的开源推理模型，输入价格仅 $3/1M tokens，输出 $15/1M tokens，缓存 $0.30/1M tokens。该模型在推理任务上可与 Anthropic 的 Claude 和 OpenAI 的 GPT-4o 等前沿模型竞争。其成本仅为这些模型的几分之一，使得用户无需支付高昂费用即可获得高质量推理能力。

AI模型 Kimi K3 Fireworks AI 推理模型

事件专题

推荐理由：Kimi K3 便宜到离谱，$3 输百万 token，推理性能还不输 Claude 和 GPT-4o，想省钱搞推理的可以试试。

原文

00:15

Fireworks AI@FireworksAI_HQ

Fireworks 平台宣布 Kimi K3 模型正式上线。该模型可通过 Fireworks 的 API 直接调用。用户可前往 fireworks.ai 获取使用指南。

AI模型 Kimi K3 Fireworks 推理模型

事件专题

推荐理由：Fireworks 上了 Kimi K3，直接用 API 调，快试试。

原文

7月27日

23:17

23:17IT之家（博客/媒体）

82°

月之暗面开源了 Kimi K3 模型，参数规模达 2.8 万亿，基于 KDA 混合线性注意力机制和注意力残差技术构建。该模型原生支持视觉理解，拥有 100 万 token 上下文窗口，采用 MoE 架构在 896 个专家中激活 16 个。相比前代 K2，Kimi K3 的扩展效率提升约 2.5 倍，在长程编码、软件工程与视觉推理任务上表现突出。官方评测显示，K3 整体落后于闭源模型 Claude Fable 5 和 GPT-5.6 Sol，但超过了其他所有模型。

AI模型 Kimi K3 月之暗面 MoE

事件专题

推荐理由：月之暗面开源了 2.8 万亿参数的 Kimi K3，MoE 架构效率比 K2 高 2.5 倍，支持 100 万 token 上下文和视觉推理，值得关注。

原文

17:06

官方一手歸藏(guizang.ai)@op7418

72°

Hugging Face为Moonshot AI的模型Kimi K3创建了一个开源预告倒计时页面。该页面显示即将开源的具体时间，目前尚在倒计时中。这暗示Kimi K3可能成为开源社区的又一新成员。

AI模型 Hugging Face Kimi K3 Moonshot AI

事件专题

推荐理由：Hugging Face专门给Kimi K3做了倒计时页面，说明这个模型马上要开源了，对开源模型感兴趣的可以蹲一下。

原文

16:42

16:42IT之家（博客/媒体）

AI模型 Kimi K3 Claude Arena

事件专题

推荐理由：这周国产Kimi K3真能打，前端开发全球第一，代码榜也杀进前十，跟Claude系列差距很小了。

原文