返回博客首页
Kimi K3 发布：把「百万上下文 + 原生多模态」塞进一个开源前沿模型
本站为独立第三方技术服务平台，提供多模型 API 聚合接入服务，与 Anthropic、OpenAI、Google 等模型提供商无任何关联、授权或合作关系。
Moonshot（月之暗面）在 7 月正式推出了新一代旗舰模型 Kimi K3，同步上线 Kimi.com、Kimi Work、Kimi Code 与 Kimi API，并宣布将于 2026 年 7 月 27 日开放权重。对国内开发者来说，这是继几家头部厂商之后，又一个把「超长上下文 + 原生多模态 + Agent 编码」打包在一起、还愿意开源的选项。下面拆一拆它到底新在哪、对你写代码调 API 有什么用。
核心要点
- 2.8 万亿参数、100 万 token 上下文、原生多模态：一次会话能吃下整个代码仓库、长文档或图文混排材料，不必再手工切块。
- Kimi Delta Attention（KDA）：Kimi 团队公布的数据显示，在百万级上下文场景下解码速度最高可达约 6.3 倍提升——长文本推理不再是「越长越卡」。
- Attention Residuals（注意力残差）：据发布说明，能带来约 25% 的训练效率提升，而额外成本不到 2%，属于训练侧的架构优化。
- 面向长程 Agent 编码与自进化工作流：定位明确瞄准「跑很久的编码任务 / 自我迭代的 Agent」，而不只是一问一答的聊天。
- 开源路线：7 月 27 日开放权重，意味着可自托管、可微调、可做私有部署评估。
以上性能与效率数字均来自 Kimi 团队公开的发布说明，实际表现会因任务类型、上下文长度与硬件环境而异，建议以自己的基准测试为准。
详细解读
1. 百万上下文 + 原生多模态，是给「Agent」准备的
过去很多模型的长上下文是「能塞进去，但读得慢、读得糊」。Kimi K3 主打的 Kimi Delta Attention 就是冲着这个痛点去的：在超长上下文下把解码效率拉起来，让「读完整仓库再动手改」这类任务变得可行。
原生多模态则意味着图片、图表、界面截图这些材料不再需要外挂一个视觉模型来转述，模型自己就能一起理解。对做前端还原、文档解析、UI 自动化的团队来说，链路更短。
2. Attention Residuals：省在训练侧
Attention Residuals 是这次架构上比较有意思的一点——它作用在训练阶段，用很小的额外开销换来明显的训练效率提升。对使用者而言，你不用关心它的实现细节，但它解释了为什么这么大的模型还能相对高效地迭代出来。
3. 开放权重，给了「自己掌控」的选项
7 月 27 日开放权重，对企业开发者是个实在的信号：你可以评估自托管、做领域微调、或在合规要求高的场景里走私有部署。当然，自托管一个 2.8T 参数的模型对算力是不小的考验，多数团队日常还是会先用 API 把能力跑通，再决定要不要落到自己机器上。
对开发者意味着什么
- 长任务编码变现实：仓库级理解 + 长程 Agent 定位，适合「重构一个模块 / 跨文件排查 bug / 按需求单批量改」这类需要长时间上下文的活。
- 多模态省一层链路：图文一起丢进去，少维护一个视觉服务。
- 不必押注单一模型：Kimi K3 强在长上下文与 Agent 编码，但日常还有大量场景（快速问答、结构化抽取、成本敏感的批处理）更适合别的模型。真正省心的做法是按任务选模型，而不是全押在一个上。
这也是我们一直建议的思路：把「选哪个模型」变成一个可以随时切换的参数，而不是一次性的架构决定。
在 Code0 上如何使用
Code0 是一个多模型聚合 API 网关——一个 Key 接入 300+ 主流大模型（Claude、GPT、Gemini、DeepSeek、Kimi 等），兼容 OpenAI SDK，接入时基本零改造。
新模型上架需要经过接入与测试，Kimi K3 是否已可调用、对应的 Model ID，请以 console.code0.ai 控制台的模型列表为准。一旦上架，调用方式和你现在用的其它模型完全一致——只改一个 model 字段：
from openai import OpenAI
client = OpenAI(
base_url="https://hk.code0.ai/v1",
api_key="sk-你的Key", # 在 console.code0.ai 获取
)
resp = client.chat.completions.create(
model="kimi-k3", # 以控制台上架的实际 Model ID 为准；也可换成 claude-opus-4-8 / gpt-5.4 / gemini-3-pro / deepseek-v3
messages=[{"role": "user", "content": "帮我读完这个仓库并列出重构建议"}],
)
print(resp.choices[0].message.content)
想切换到别的模型做对比？只改 model 这一行，其它代码原样不动——这正是一个 Key 通模的价值：同一套代码，随时横评 Kimi K3、Claude、GPT、Gemini 谁更适合你的任务。
价格与可用模型均以控制台为准，按量即用、失败不计费。
总结
Kimi K3 把百万上下文、原生多模态和长程 Agent 编码放进了同一个模型，还给出了开放权重的时间表，是国内开发者值得关注的一次更新。不过「有没有一个全能模型」从来不是重点——能不能低成本地在不同模型之间切换、按任务挑最合适的那个，才是真正影响工程效率的地方。想第一时间试到新模型，可以关注控制台的上架通知。
