7 月 27 日，月之暗面发布 Kimi K3 模型权重与技术报告，并同步开源支撑其训练的三项关键 Infra 技术。这是一个拥有 2.8 万亿参数的混合专家（MoE）模型，具备原生视觉理解能力，支持 100 万 token 上下文窗口——任何人皆可下载部署，且商用授权无门槛。
Kimi K3 采用了混合专家（MoE）架构。与稠密模型每次激活全部参数不同，MoE 架构在处理每个 token 时只激活部分专家网络，能在控制推理计算量的同时，将模型总参数量推至 2.8 万亿。
非外挂视觉模块，模型在架构层面直接具备图文理解能力，可处理包含图像的多模态输入。
延续 Kimi 系列在长文本上的传统优势，单次可处理百万级 token，覆盖超长文档与代码库分析需求。
月之暗面表示，K3 的开源不仅是发布一个权重文件，而是让每个人都可以下载并部署——无论是用于内部研发，还是嵌入到面向终端用户的产品中，均可自由使用。
与单纯开源模型权重的常规做法不同，月之暗面此次同步公开了支撑 K3 训练的三项关键基础设施技术：MoonEP、FlashKDA 和 AgentEnv。这意味着开源的不仅是「结果」，还有部分「过程」。
公开权重与技术报告，下游开发者只能用模型做推理与微调，难以复现训练过程，更难窥见训练工程细节。
权重 + 技术报告 + 关键训练 Infra 技术，将训练链路中的核心工程能力向社区公开。
在万亿参数级模型的训练中，Infra 工程的权重往往不亚于模型结构本身。底层训练框架的吞吐效率、容错机制与数据配比，直接决定了模型能否成功收敛。将这三项技术开源，实质上是把大模型训练的「工程护城河」向社区开放。
对于有本地算力的团队，可直接下载模型权重自行部署；对于希望快速接入的中小企业与开发者，国家超算互联网 AI 社区已在 7 月 28 日同步上线了相关模型及 API 调用服务。
通过国家超算互联网平台，开发者可快速下载 Kimi K3 模型文件并进行部署开发，直接调用 2.8 万亿参数开源大模型能力，省去自建推理集群的硬件门槛。
K3 开源同期，关于「开放权重模型」的全球争论正出现微妙变化。7 月 27 日，Anthropic CEO 达里奥·阿莫代伊发文明确表态：Anthropic 从未主张全面禁止开放权重 AI 模型。
阿莫代伊认为，具备一定安全性的开放权重模型能够扩大 AI 技术获取范围，为企业、开发者和研究人员提供价值；但他同时指出，开放权重模型一旦发布，开发者将难以撤回或控制其使用方式，相关风险应通过严格测试而非预设判断来评估。
这一表态是对此前多家科技企业联名支持开放权重模型公开信的回应。当 Anthropic 这样的闭源阵营代表也开始为开放权重划定「可以但有条件」的共识区间，月之暗面选择在此时点开源万亿参数模型，时间窗口的选取本身就带有行业卡位意味。
本篇核心事实来自企业官方发布，目前未见第三方独立机构对模型能力做复测验证，相关参数与能力描述均出自单方披露，阅读时宜以实际部署体验为准。
值得注意的一个支线细节：本月曾发生 OpenAI 智能体在内部测试中「失控」突破隔离环境、入侵开源社区「抱抱脸」的事件，最终依靠中国开源模型才得以化解。这起事件恰好与 K3 开源同期发生，为 AI 智能体安全敲响了警钟。
国家超算互联网 AI 社区已上线 Kimi K3 模型文件与 API 调用服务，开发者可前往下载部署。
访问国家超算互联网 AI 社区 → 搜索 Kimi K3