Kimi K3 公開規格反轉 #278｜2.8T 模型已上 API，完整權重仍要等 7 月 27 日
一句話總結
Kimi K3 確認為 2.8T sparse MoE；API 已上線，完整權重承諾 7 月 27 日前發布但尚未交付。
Kimi K3 公開規格反轉 #278｜2.8T 模型已上 API，完整權重仍要等 7 月 27 日
月之暗面 7 月 17 日補齊 Kimi K3 規格，更新本站 #278：這是 2.8T 參數、原生視覺與 1M token 上下文的 sparse MoE AI 模型，但完整權重尚未發布。官方只承諾在 7 月 27 日前釋出 full model weights，technical report 也要同期公開。
K3 採 Kimi Delta Attention、Attention Residuals 與 Stable LatentMoE，每次啟用 896 個 experts 中的 16 個。官方稱相較 K2 的 scaling efficiency 約提高 2.5 倍，並建議自部署使用 64 枚以上 accelerators 的 supernode；這些架構資料不等於目前已有可下載開源權重。
產品與 API 已可用。官方價目按每 100 萬 tokens 計：cache-hit input 0.30 美元、cache-miss input 3 美元、output 15 美元，context 上限為 1,048,576 tokens。Arena 公布 Kimi-K3 在 Frontend Code Arena 得 1,679 分、排名第 1；這是 frontend 競技場成績，不是官方整體 benchmark。
Kimi 將 K3 稱為首個 open 3T-class model，開源承諾與交付日期已寫入文件。GitHub 與 Hugging Face 截至 7 月 17 日仍沒有完整 2.8T weights；可調用 API，不等於可下載模型。
via Graphify / Kimi / Kimi API / Kimi Pricing / Arena
月之暗面 7 月 17 日補齊 Kimi K3 規格，更新本站 #278：這是 2.8T 參數、原生視覺與 1M token 上下文的 sparse MoE AI 模型，但完整權重尚未發布。官方只承諾在 7 月 27 日前釋出 full model weights，technical report 也要同期公開。
K3 採 Kimi Delta Attention、Attention Residuals 與 Stable LatentMoE，每次啟用 896 個 experts 中的 16 個。官方稱相較 K2 的 scaling efficiency 約提高 2.5 倍，並建議自部署使用 64 枚以上 accelerators 的 supernode；這些架構資料不等於目前已有可下載開源權重。
產品與 API 已可用。官方價目按每 100 萬 tokens 計：cache-hit input 0.30 美元、cache-miss input 3 美元、output 15 美元，context 上限為 1,048,576 tokens。Arena 公布 Kimi-K3 在 Frontend Code Arena 得 1,679 分、排名第 1；這是 frontend 競技場成績，不是官方整體 benchmark。
Kimi 將 K3 稱為首個 open 3T-class model，開源承諾與交付日期已寫入文件。GitHub 與 Hugging Face 截至 7 月 17 日仍沒有完整 2.8T weights；可調用 API，不等於可下載模型。
via Graphify / Kimi / Kimi API / Kimi Pricing / Arena
