Kimi K3: 2.8万亿参数开源模型发布

Kimi.ai 发布 Kimi K3 模型，拥有 2.8 万亿参数、100 万上下文、原生多模态能力。采用 Kimi Delta Attention 技术，在百万 token 上下文中实现高达 6.3 倍解码加速；Attention Residuals 以低于 2% 的额外成本带来约 25% 的训练...

twitter关注列表 Chubby♨️ (@kimmonismus) 发布 2026-07-26 收录 2026-07-26 值得跟进

核心信息

Kimi.ai 发布 Kimi K3 模型，拥有 2.8 万亿参数、100 万上下文、原生多模态能力。采用 Kimi Delta Attention 技术，在百万 token 上下文中实现高达 6.3 倍解码加速；Attention Residuals 以低于 2% 的额外成本带来约 25% 的训练效率提升。模型已上线官网、Kimi Work、Kimi Code 及 API，开源权重将于 2026 年 7 月 27 日开放。

原始内容

Quick reminder on Kimi k3 open weights https://t.co/vi9KY1Nlod ![photo](https://pbs.twimg.com/media/HOLUz6ZXYAA_CdA.jpg) > **引用原帖 Kimi.ai (@Kimi_Moonshot):** > Introducing Kimi K3: Open Frontier Intelligence > 🔹 2.8 Trillion Parameters, 1 Million Context, Native Multimodal > 🔹 Kimi Delta Attention enables up to 6.3x faster decoding in million-token contexts > 🔹 Attention Residuals deliver ~25% higher training efficiency at <2% additional cost > 🔹 Built for long-horizon agentic coding and self-evolving workflows > Kimi K3 is now live on on https://t.co/zrk6zZxZUo, Kimi Work, Kimi Code, and the Kimi API. > Open Weights by July 27, 2026. > 🔗 API: https://t.co/XCrgjXAqMw > 🔗 Tech blog: https://t.co/YTfiMSNM1f > https://x.com/Kimi_Moonshot/status/2077830229968683203

相关动态

人工智能发展路径中的克制策略分析

文章讨论深度学习领域大模型研发的克制策略，强调应当以持续迭代替代单次质变，将研发资源错开使用。作者通过梁文锋团队的AGI研发路径为例，指出在人才、模型、算力这三大要素面临动态变量时，需要将技术优势累积分散部署，避免在早期阶段就耗尽核心算力储备。这种策略既能应对外部突变，又能保证长期竞争力，文中未提供具体数值数据。

twitter关注列表2026-07-26#大模型 #技术策略 #AGI研发

观察