Moonshot 发布 Kimi K3 开放权重引争议
Moonshot AI 已在 Hugging Face 发布 Kimi K3 的开放权重和技术报告。Kimi K3 是一款 2.8T 参数的 MoE 模型,激活参数 1040 亿,支持原生视觉与 100 万 token 上下文。它一方面把开权重模型的体量推到 3T 级别,另一方面也因部署成本和商业化许可限制,迅速引发了社区讨论。
已确认
- Moonshot 介绍,Kimi K3 采用 MoE 架构,总计 896 个专家,每个 token 激活 16 个专家,对应 1040 亿激活参数。
- 技术材料显示,K3 引入了 Kimi Delta Attention、Attention Residual,以及沿序列长度、网络深度和模型宽度扩展的信息流设计。针对 chunkwise KDA 的有限精度问题,帖子转述其新增了下界为 -5 的衰减限制,以避免数值溢出。
- 多条帖子转述技术报告称,K3 在 BrowseComp 上得到 91.2 分;同一报告还称其在 6 个项目中发现了 16 个此前未知的漏洞,其中包括 2 个 Linux 内核漏洞。
- 部署门槛方面,社区测算其权重约为 1.4TB。流传较广的估算认为,要完整放下模型至少需要 18 张 GPU,或 8 张 B300;Reddit 上还有用户认为,即便使用由 2–4 台 RTX 6000 Blackwell 组成的本地多机工作站,也难以原生运行。
- 许可方面,Kimi K3 使用 Modified MIT license。相关帖子总结称,用户可免费复制、修改、分发和自部署;但如果把模型作为云服务或 Model as a Service 对外转售,且使用方或其关联公司在任意连续 12 个月内收入超过 2000 万美元,则需要与 Moonshot 另签协议。
尚未确认
- 除技术报告中的基准分数和安全任务结果外,Kimi K3 在更广泛通用场景中的实际表现,仍有待更多独立测试验证。
为什么重要
- Kimi K3 代表了当前开权重大模型继续向超大规模推进的一次重要发布:它同时押注长上下文、多模态与 Agent 能力,因此很容易被拿来与同代前沿模型比较。
- 但这次发布也再次暴露了“能下载”不等于“能使用”的现实门槛。模型本体过大,决定了真正能自部署的人群非常有限;与此同时,@Eyelbee 等人批评其商业化条款和潜在定价把第三方推理服务的成本抬得过高,削弱了这次开放权重发布的实际开放性。
2026-07-26 ~ 2026-07-28 · 155 条相关
- 第 1 集:月之暗面 Kimi K3 即将发布并登陆多家推理平台(2026-07-24,4 条)
- 第 2 集:月之暗面发布 Kimi K3 万亿参数模型(2026-07-24,4 条)
- 第 3 集:Kimi K3 开放权重上线引爆生态关注(2026-07-26,24 条)
- 第 4 集:Moonshot 发布 Kimi K3 开放权重引争议(2026-07-26,155 条)
- 第 5 集:月之暗面 Kimi K3 登顶 Hugging Face 趋势榜(2026-07-27,5 条)
一手来源
- Kimi K3 以 2.8T MoE 和百万上下文开源亮相 — moonshotai ·
- Moonshot Kimi K3 许可放宽使用,但商业门槛设在 2000 万美元 — natolambert ·
- Kimi K3 的 1.4TB 权重,只有 8 张 B300 真放得下 — qubridInc ·
- 月之暗面发布开源模型 Kimi K3,叫板美国头部大模型 — emmanuelvivier · 2026-07-26
- Moonshot 发布开权重 Kimi K3,称多项测试逼近美国顶级模型 — emmanuelvivier · 2026-07-26
- Kimi K3 开权重上线,但自部署要 1.4TB 和 18 张 GPU — Common_Dream9420 · 2026-07-27
- 【源头】Kimi K3 的 1.4TB 权重,只有 8 张 B300 真放得下 — qubridInc · 2026-07-27
- Moonshot AI 将 Kimi-K3 发布到 Hugging Face — mervenoyann · 2026-07-27
- Kimi-K3 已在 Hugging Face 上线 — himanshustwts · 2026-07-27
- Kimi K3 权重已正式放出 — SavunOski · 2026-07-27
- Moonshot 将 Kimi K3 正式开放权重并给出 100 万上下文 — scaling01 · 2026-07-27
- Moonshot 开源 Kimi K3:2.8 万亿参数,支持 100 万 token 上下文 — 月之暗面 Kimi · 2026-07-27
- Moonshot Kimi K3 仓库上线,模型卡写明 2.8T 参数 — tokenbender · 2026-07-27
- Kimi K3 原生支持 MXFP4 量化,显存需求依然很高 — teortaxesTex · 2026-07-27
- 【源头】Moonshot Kimi K3 许可放宽使用,但商业门槛设在 2000 万美元 — natolambert · 2026-07-27
- Kimi K3 开源协议解析:年入超 2000 万美元需单独商用授权 — natolambert · 2026-07-27
- Kimi K3 硬件估算指向 480GB 显存和 8 张 H100 — cedric_chee · 2026-07-27
- Moonshot 将 2.8T 参数的 Kimi-K3 发布到 Hugging Face — BankApprehensive7612 · 2026-07-27
- Hugging Face 模型卡披露 Kimi K3 的 2.8T 多模态配置 — op7418 · 2026-07-27
- Moonshot 开放 Kimi K3 权重与报告,主打 2.8T MoE 架构 — eliebakouch · 2026-07-27
- Moonshot 发布 Kimi K3:2.8T 参数、100 万上下文、原生多模态 — mervenoyann · 2026-07-27
- Kimi K3 许可设定 2000 万美元年推理条款和产品商业协议 — natolambert · 2026-07-27
- Kimi K3 权重已在 Hugging Face 上线 — inductionheads · 2026-07-27
- Kimi K3 已上线 Hugging Face — Kyrannio · 2026-07-27
- Moonshot 宣布 Kimi K3 正式上线 — _akhaliq · 2026-07-27
- 月之暗面 Kimi K3 报告披露 2.78T 参数与 2.5 倍效率 — teortaxesTex · 2026-07-27
- Kimi K3 开源协议解析:大企业需单独获取商用授权 — himanshustwts · 2026-07-27
- 月之暗面 Kimi-K3 已上线 Hugging Face — iamfakhrealam · 2026-07-27
- Moonshot 更新 Kimi K3 许可,但 workers.ai 暂无 day 0 支持 — michellechen · 2026-07-27
- Cloudflare 将 Moonshot Kimi K3 接入 AI Gateway — michellechen · 2026-07-27
- Kimi K3 在新 MoE 设计中三倍参数、双倍激活专家 — teortaxesTex · 2026-07-27
- Kimi K3 的 2.5 倍 scaling-law 提升引发效率讨论 — andrew_n_carr · 2026-07-27
- Moonshot 公布 Kimi K3 报告,称效率比 K2 提升 2.5 倍 — cedric_chee · 2026-07-27
- Kimi K3 训练效率据称提升 2.5 倍 — zephyr_z9 · 2026-07-27
- Kimi K3 许可升级为带 MaaS 收入门槛的新条款 — AdinaYakup · 2026-07-28
- Kimi-K3 许可:自部署免费,云端转售要分利润 — scaling01 · 2026-07-28
- Kimi K3 报告称:大规模训练的数值稳定性仍是难题 — teortaxesTex · 2026-07-28
- Attention Residuals 可能直接暴露跨层信息流,方便可解释性研究 — tokenbender · 2026-07-28
- Kimi K3 用三轴架构宣称提升 2.5 倍扩展效率 — suchenzang · 2026-07-28
- K3模型跨块路由机制:大模型能力定位的新利器 — tokenbender · 2026-07-28
- Moonshot 的 Kimi K3 上架 Hugging Face,参数达 2.8T — gaganghotra_ · 2026-07-28
- Kimi K3 以 2.8T MoE、104B 激活参数和百万上下文亮相 — stochasticchasm · 2026-07-28
- Kimi K3 报告缺少硬件细节,2.5 倍效率提升难核实 — cedric_chee · 2026-07-28
- 月之暗面发布 Kimi K3 技术报告,架构优化实现 2.5 倍训练效率提升 — cedric_chee · 2026-07-28
另有 9 条近重复转述:teortaxesTex · HarveenChadha · _akhaliq · iamfakhrealam · ricklamers · cyb3rops · ns123abc · FlorianGallwitz · andrew_n_carr