Kimi K3 用三轴架构宣称提升 2.5 倍扩展效率
suchenzang · x · 2026-07-28
Kimi K3 的架构围绕三个维度扩展信息流：序列长度、网络深度和模型宽度。
- 序列长度：用 Hybrid Attention，把 3 层 Kimi Delta Attention 和 1 层 Gated MLA 组合到每个 block 里，增强长上下文 token 混合能力。
- 深度：Attention Residuals 让模块可从 embedding、当前 block 和前序 block 中选择性取回表示。
- 宽度：Stable LatentMoE 负责稀疏通道混合，每个 token 激活 896 个路由专家中的 16 个。
- 多模态路径：MoonViT-V2 先编码图像/视频，再由轻量 projector 映射到共享 embedding 空间。
- 效果：配合改进的训练与数据配方，以及 Per-Head Muon，论文声称整体 scaling 效率比 Kimi K2 提升约 2.5 倍。
所属事件:Moonshot 发布 Kimi K3 开放权重引争议(155 条相关)→
「研究」频道最新
- Agent 架构法则：验证器可参与生成反馈，但不得直接晋升候选解 — blaizedsouza · 2026-09-23
- q-Neurons：用随机 q 导数激活函数提升神经网络性能 — FrnkNlsn · 2026-09-23
- 曝 OpenAI 将办期刊:内部模型多 agent 评审,冲击 ML 会议 — kfountou · 2026-09-23
- 耶鲁博士生开源顶会论文画图脚本，还能接入 Claude Code 当 Skill — burny_tech · 2026-09-23
- AI 在 ForecastBench 上追平超级预测员，10 月将再战 — burny_tech · 2026-09-23
- 几句 prompt 让 Opus 用 Lean 形式化验证 Agent SDK,产出 16 个修 bug PR — bcherny · 2026-09-23