Kimi K3正式开放：2.8万亿参数权重、技术报告及三项Infra技术同步发布
2026年7月27日，月之暗面正式举办了Kimi K3开放日活动。这次活动面向开发者和研究社区，一口气放出了Kimi K3的模型权重、技术报告，以及支撑模型训练的三项关键基础设施技术——MoonEP、FlashKDA和AgentEnv。可以说，这是一次从模型、训练方法到底层基础设施的全方位开放。
开发者现在可以直接下载并部署Kimi K3，用于内部研发、模型研究，或者是集成到面向终端用户的产品中。当然，具体的使用范围还得遵守Kimi K3许可证的规定。
2.8万亿参数模型权重正式开放
Kimi K3——月之暗面目前能力最强的模型，终于对外开放了。它采用混合专家架构，总参数量达到
2.8万亿
更关键的是，Kimi K3具备原生视觉理解能力，并支持最长
100万Token
不过，Kimi K3并非单纯靠堆参数来提升能力。通过Kimi Delta Attention、Attention Residuals和MoonEP等一系列技术，模型的规模化效率提升了约2.5倍。换句话说，在最优算力条件下，单位算力能够产出的模型智能，大约是此前的2.5倍。这才是真正的技术含金量。
权重开放后，开发者和企业可以围绕Kimi K3进行私有化部署、行业适配、模型微调和应用集成。具体开放权重地址如下：
开放权重地址
Kimi K3技术报告同步发布
除了模型权重，Kimi K3的技术报告也一并公开了。这份报告详细介绍了模型架构、训练方法、后训练体系和评估结果，可以说是干货满满。
在注意力机制方面，Kimi K3以
3∶1
MoE架构方面，Kimi K3采用了Stable LatentMoE。每个Token会从896个路由专家中激活16个，并结合SiTU-GLU和Quantile Balancing，在维持较高模型稀疏度的同时，保证了训练稳定性。
视觉能力则由MoonViT-V2编码器提供。这个编码器从零开始，使用下一Token预测方式训练，完全不依赖传统的对比学习预训练。有意思的是，它在达到SigLIP初始化基线效果的同时，还获得了更稳定的优化过程。
后训练阶段覆盖了通用推理、通用Agent和编程Agent三类任务，并构建了支持百万Token上下文的强化学习基础设施。技术报告还公布了近20个内部评测集的完整测试结果及相关消融实验。
技术报告
三项关键Infra技术开放
除模型权重和技术报告外，月之暗面还开放了支撑Kimi K3训练的三项基础设施技术，覆盖了专家通信、高性能算子和分布式强化学习环境。
MoonEP
MoonEP是一款面向超大规模细粒度MoE模型的高性能通信库。在专家并行训练过程中，不同专家接收到的Token数量可能存在明显差异，MoonEP针对这种通信不均衡问题进行优化，使得专家并行通信在负载不均的情况下仍能保持较高效率。
FlashKDA
FlashKDA是面向Kimi Delta Attention的高性能计算算子，此前已经开放了源代码。在英伟达H20 GPU上，与flash-linear-attention基线相比，FlashKDA的Prefill速度提升约
1.72至2.22倍
AgentEnv
AgentEnv是月之暗面与KVCache.ai联合开发的智能体沙箱系统，主要用于大规模运行和训练Agent环境。它为Kimi K3后训练提供了高保真、强隔离的执行环境，支持快速快照、恢复和分叉等能力，可用于大规模并行Agent工作流和强化学习训练任务。
需要说明的是，FlashKDA此前已经开放，而MoonEP和AgentEnv则随本次Kimi K3开放日正式开源。
推动开放权重模型生态
Kimi K3的这次开放，不仅仅是开放模型参数，还进一步覆盖了训练方法和底层技术基础设施。这种全方位的开放姿态，在行业内并不多见。
开放权重模型可以降低开发者获取前沿模型能力的门槛，同时为私有部署、数据控制、隐私保护和行业定制提供了更多选择。而基础设施技术的同步开放，则让研究机构和模型团队可以直接复用相关通信、算子和沙箱能力，减少训练下一代大模型时的重复开发成本。
随着模型权重、技术报告和关键Infra技术的全面开放，Kimi K3正在从面向用户和开发者的模型产品，进一步转向可部署、可研究、可二次开发的开放模型生态。这才是技术开放中最具价值的部分。