🧠 开源 · 模型突破

全球首个 3 万亿参数开源大模型 Kimi K3 正式落地：性能第一梯队，成本仅为 GPT-5.6 Sol 一半

月之暗面正式开源 Kimi K3 完整模型权重，成为全球首个落地的 3 万亿参数级开源大模型。据第三方平台 Artificial Analysis 数据，K3 在保持第一梯队性能的同时，BrowseComp 基准单次任务成本仅为 GPT-5.6 Sol 的一半，较 Claude Fable 5 便宜近 一个数量级。

综合公开信息整理• 2026-08-01• 全文约 3 分钟读完
#Kimi K3 #月之暗面 #开源大模型 #3万亿参数 #成本效率
3 万亿 参数规模 · 全球首个开源落地
50% 成本仅为 GPT-5.6 Sol
~10× 比 Claude Fable 5 便宜近一个数量级

⚡ 30 秒速览

  • 规模第一：全球首个 3 万亿参数级开源大模型，完整权重开放下载。
  • 性能顶尖：综合能力保持在第一梯队，与 GPT-5.6 Sol、Claude Fable 5 同场竞技不落下风。
  • 成本碾压：BrowseComp 基准单次任务成本仅为 GPT-5.6 Sol 的一半，较 Claude Fable 5 便宜近一个数量级。
  • 上线即爆火：超算互联网 AI 社区 API 请求量远超预期，紧急推出 Token Plan 包月订阅模式。
  • 自由使用：可用于内部研发或嵌入终端产品，无需任何授权费用。

01参数规模与性能定位 3 万亿参数意味着什么

在开源大模型的世界里，参数规模一直是衡量能力上限的核心标尺。此前开源社区最大规模模型停留在 1.5 万亿参数级别，Kimi K3 直接将门槛推至 3 万亿——翻倍的同时，并未牺牲性能。

参数是基础，但更关键的是落地。
3 万亿参数规模
第一梯队综合性能定位
完整权重全量开源
零门槛自由下载部署

注：参数规模为模型权重总参数量，性能定位基于第三方平台 Artificial Analysis 综合评测结果，与同级别闭源模型对比。

月之暗面表示，每个人都可以下载并部署 Kimi K3 模型，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。这种开放程度在 3 万亿参数级别尚属首次。

02成本优势 BrowseComp 基准单次任务成本对比

大模型的应用落地，性能是门槛，成本才是天花板。Kimi K3 带来的最大冲击，是在保持第一梯队性能的同时，将推理成本压到了不可思议的水平。

性能不妥协，成本打骨折。
🥇 Kimi K3月之暗面 · 开源
1×
GPT-5.6 SolOpenAI · 闭源
2×
Claude Fable 5Anthropic · 闭源
~10×

注：柱形宽度表示相对成本倍数，以 Kimi K3 成本为 1 倍基准。数据来源为第三方平台 Artificial Analysis 对 BrowseComp 基准单次任务成本的测算。柱形自 0 起绘制，非截断缩放。

这意味着，企业在相同预算下，使用 Kimi K3 可以处理 比 GPT-5.6 Sol 多一倍的推理任务，或者以与 Claude Fable 5 相同的成本获得近 10 倍的算力输出。对于需要大规模部署 AI 能力的企业而言，这个差距是决定性的。

03开源的意义 三个典型落地场景

开源不是目的，而是手段。Kimi K3 的开放，让三个群体直接受益。

🏭 企业私有化部署 数据安全

  • 金融、医疗、政务等对数据安全要求极高的行业，可在自有服务器上完整部署 Kimi K3，零数据外泄风险。
  • 3 万亿参数规模足以支撑企业内部知识库、智能客服、合规审查等高复杂度场景，无需依赖外部 API。
  • 相比调用闭源 API 的按量付费模式，私有化部署在长期大规模使用场景下成本优势更加显著。
企业可同时获得 性能、安全、成本 三重保障，不再受制于第三方 API 的定价与政策变化。

🔬 学术研究与二次开发 开放生态

  • 高校与科研机构可基于完整权重进行 微调、蒸馏、架构研究，推动大模型底层技术发展。
  • 3 万亿参数级别的开源模型为学术界提供了此前只有工业界才能触及的研究对象，缩小了研究与产业之间的鸿沟。
  • 开源社区可围绕 K3 构建工具链、评测基准和应用中间件，形成良性生态循环。
学术研究不再受限于算力预算，开源模型正在重塑 AI 研究的权力结构。

🧩 AI 原生应用开发 零门槛创新

  • 独立开发者与创业团队可直接将 Kimi K3 嵌入产品，无需支付任何模型授权费用，大幅降低创新成本。
  • 超算互联网平台已提供 API 一键调用与 Token Plan 包月模式，进一步降低使用门槛。
  • 从智能写作到代码生成，从数据分析到多模态交互，K3 的能力足以支撑大多数面向用户的 AI 产品。
开源让 AI 创新从「资本驱动」回归到「创意驱动」，这是开源精神的核心价值。

04开源 vs 闭源 两种路径的生态选择

Kimi K3 的开源并非孤例。放眼全球，Meta 持续推动 Llama 系列开源，Mistral 以开放权重策略快速崛起，而 OpenAI 与 Anthropic 则坚守闭源路线。两种路径的差异正在变得清晰。

开源模型正在从「追赶者」变成「定义者」。

闭源模型（GPT / Claude）

  • 性能顶尖，但成本由供应商定价
  • 数据安全依赖第三方承诺
  • 定制化能力受限
  • 生态锁定效应强

开源模型（Kimi K3 / Llama）

  • 性能接近第一梯队，成本大幅降低
  • 数据完全自控，可私有化部署
  • 可自由微调与二次开发
  • 生态开放，避免供应商锁定

一个诚实的注脚：开源模型在部分极端复杂推理任务上仍与顶尖闭源模型存在差距，但差距正在以月为单位缩小。Kimi K3 用 3 万亿参数证明，开源路线在成本和可控性上的优势，已经足以让它在实际应用中成为更理性的选择。

超算互联网平台在 Kimi K3 上线当天 API 请求量远超预期，紧急推出 Token Plan 包月订阅模式，也从侧面印证了市场对开源大模型的渴求——企业和开发者正在用脚投票。

编辑核心判断

Kimi K3 的开源不是一次简单的模型发布，而是全球 AI 产业从「算力军备竞赛」转向「效率与开放竞争」的标志性事件。3 万亿参数级模型以第一梯队性能、十分之一成本开放给所有人，意味着闭源模型的定价权正在被实质性瓦解。未来六个月，开源模型将不再是「够用就好」的选择，而是绝大多数企业 AI 落地的默认起点。

▶现在就能用

Kimi K3 完整模型权重已开放下载，同时可通过超算互联网 AI 社区一键调用 API。
平台已推出 Token Plan 包月订阅模式，兼容主流终端与 AI 编程工具。

超算互联网 AI 社区 → 立即体验

也可直接下载模型权重进行本地部署，详情参见官方文档。