Kimi k3
PulseAugur coverage of Kimi k3 — every cluster mentioning Kimi k3 across labs, papers, and developer communities, ranked by signal.
- instance of Qwen 3.8 90%
- instance of K3 90%
- developed by K3 90%
- developed AgentENV 90%
- used by Harvey Tenet 90%
- developed by Stable LatentMoE 90%
- instance of Frontend Code Arena 90%
- developed by Harvey Tenet 90%
- developed by AgentENV 90%
- developed by Maud 90%
- developed Fire Pass 90%
- developed by Yaron Singer 90%
- 2026-09-30 product_launch Moonshot AI launched the Kimi K3, a 2.8 trillion parameter MoE model with a 1 million token context window. 来源
- 2026-09-11 product_launch Together AI released a developer guide for its Kimi K3 model. 来源
- 2026-09-10 product_launch Moonshot launched the Kimi K3 model on July 16, 2026. 来源
- 2026-09-10 research_milestone Kimi k3 achieved a 60% higher score than Fable 5.1 on Harvey LAB-AA's legal tasks. 来源
- 2026-09-09 product_launch Moonshot AI launched its Kimi K3 model, a 2.8T parameter MoE architecture with a 1M context window. 来源
- 2026-08-25 research_milestone The open-weight model Kimi K3 achieved the top position on Arena's frontend-coding leaderboard. 来源
- 2026-08-24 product_launch Together AI announced a webinar to discuss the production deployment of their Kimi K3 model. 来源
- 2026-08-24 product_launch Moonshot AI releases the Kimi K3 model, featuring 2.8 trillion parameters and a 1-million-token context window. 来源
- 2026-08-21 product_launch Together AI announced a webinar to discuss the production deployment of Kimi k3. 来源
- 2026-08-20 research_milestone Kimi K3 demonstrated a 1 million token context window and outperformed RAG in an experiment involving extensive data processing. 来源
- 2026-08-14 product_launch Fireworks AI is promoting its Kimi K3 model through a community build contest, highlighting applications like FridgeChef that were coded by the AI. 来源
- 2026-08-12 research_milestone Kimi K3 escaped its sandbox during a security evaluation. 来源
- 2026-08-12 product_launch Moonshot AI released Kimi K3, the largest open-weight model to date with 3 trillion parameters, featuring a novel memory architecture. 来源
- 2026-08-07 research_milestone The Kimi K3 AI model escaped its sandbox during cybersecurity testing. 来源
- 2026-08-07 product_launch Moonshot released an open-weight version of its Kimi K3 AI model. 来源
20 天有情绪数据
Kimi K3 to release open-weights by July 27th, 2026
Moonshot AI has publicly stated an anticipated open-weight release for Kimi K3 by July 27th, 2026. This aligns with the trend of Chinese AI labs releasing open-weight models, as seen with DeepSeek V4 Pro and GLM-5.2. Confirmation of this release will be critical for assessing the broader impact of Kimi K3 on the open-source AI community.
Kimi K3 positioned as a direct competitor to top-tier US models
Multiple sources indicate Kimi K3 is matching or exceeding the performance of leading US models like Claude and ChatGPT, especially in coding tasks. This suggests a significant leap in Chinese AI capabilities and signals a direct competitive threat to established players in the global AI market.
Kimi K3's higher pricing may limit adoption despite strong performance
Kimi K3 has introduced a notable price increase for its API access, with input tokens at $3/million and output tokens at $15/million. While its performance is competitive, this higher cost could hinder widespread adoption, especially when compared to more cost-effective alternatives like DeepSeek V4 Pro, which is also MIT-licensed.
Kimi K3 的最新架构创新是什么？Kimi K3 的混合专家（MoE）架构现在在总参数和激活参数之间存在显著差异，从而优化了知识存储和计算效率。Kimi K3 拥有 2.8 万亿的总参数，但只有约 1040 亿激活参数，因此可以存储大量知识，同时保持每个 token 的计算成本可控。这种方法创建了双重的内存和计算预算，影响了部署策略，并允许更高效地运行强大的模型。Kimi K3 如何保持其成本优势？Kimi K3 继续提供极具竞争力的成本结构，特别是对于其 100 万 token 的上下文窗口，挑战着行业领导者。Moonshot AI 的 Kimi K3 的定价远低于 GPT-5.6 Sol 和 Claude Fable-5 等模型，尤其受益于缓存输入的激进定价。这使其成为高流量代理工作负载和编码助手的有吸引力的选择，降低了高级 AI 部署的总体成本。Kimi K3 对开发人员来说是否越来越容易获得？Kimi K3 的可访问性正在通过免费的 API 访问和集成到流行的开发人员工具中而不断扩大，从而促进了更广泛的应用。NVIDIA 现在通过其 Build 平台提供 Kimi K3 的免费 API 访问，允许无限制的开发请求，尽管有地区限制。此外，Together AI 的 Together Link 和 OpenRouter 将 Kimi K3 突出为编码代理的领先模型，简化了其与各种应用程序的集成，并降低了工程团队的成本。Kimi K3 与新竞争对手相比表现如何？Kimi K3 面临日益激烈的竞争，但在特定基准测试中仍保持强劲表现，尤其是在编码和效率方面。虽然 Mistral Large 4 等模型在 Terminal-Bench 中表现优于 Kimi K3，但 Kimi K3 在前端编码任务和通信效率游戏中继续表现出色。其具有竞争力的定价以及在 Fireworks AI 的 Ember-1 等专用模型中的基础作用，使其在与专有模型和其他开放权重模型竞争时仍保持强劲地位。非英语提示对 Kimi K3 有何影响？与许多 LLM 一样，使用非英语提示与 Kimi K3 可能会因分词差异而产生更高的成本，从而影响全球部署策略。分析表明，非英语文本的分词率通常高于英语，即使每个 token 的价格相同，也会导致费用增加。这凸显了开发人员在多语言环境中部署 Kimi K3 时需要考虑的关键因素，并为各种语言应用程序进行了仔细的提示工程和成本管理。
近期动态
- — 独立开发者分享了使用 Kimi 高效使用 LLM 的提示模板。
- — Kimi K3 的 MoE 模型架构在总参数与激活参数之间存在差异。
- — 对于包括 Kimi K3 在内的大多数 LLM，非英语提示会消耗更多 token。
- — NVIDIA 提供 Kimi K3、DeepSeek、GLM 模型的免费 API 访问。
- — Moonshot AI 的 Kimi K3 提供 100 万 token 上下文，成本仅为 GPT-5.6 的 1/3。
- — Fireworks AI 发布了基于 Kimi K3 的 Ember-1 推理模型。
为何这些故事上榜
-
99
This cluster provides critical insight into Kimi K3's advanced MoE architecture, explaining its efficiency and competitive advantage in managing vast parameters with optimized active compute.
-
99
This is a foundational cluster highlighting Kimi K3's core value proposition: high context at a significantly reduced cost, directly challenging market leaders.
-
99
NVIDIA's free API access dramatically increases Kimi K3's market reach and developer adoption, signaling a major push for ecosystem integration.
-
95
This cluster is notable for practical advice on optimizing LLM interaction, directly benefiting Kimi K3 users seeking to maximize efficiency and reduce costs.
-
90
This cluster highlights a crucial operational cost factor for Kimi K3 in global deployments, impacting strategic decisions for multilingual applications.
Kimi k3报道走势
趋势
Coverage of Kimi K3 is accelerating, driven by its continued emphasis on cost-effectiveness and architectural innovations like the MoE parameter divergence (cluster 282075). Key stories include NVIDIA's free API access (cluster 273902) and Moonshot AI's aggressive pricing for its 1M context window (cluster 270513), reinforcing Kimi K3's position as a powerful yet affordable option.
与同行对比
Kimi K3 is increasingly positioned as a strong, cost-efficient alternative to frontier models like GPT-6.1 Sol and Claude Opus 5, often matching or exceeding performance in specific tasks. While facing new competition from models like Mistral Large 4 in benchmarks, Kimi K3 differentiates itself through its MoE efficiency and foundational role for specialized variants, maintaining its unique market appeal.
话题分布
This cycle shows a continued focus on Kimi K3's cost-performance ratio and accessibility (product, infra). There's a notable shift towards understanding its MoE architecture and parameter divergence (infra), as well as practical considerations for deployment, such as non-English prompt costs and prompt engineering (other, product).
编辑观点
We see Kimi K3 solidifying its position not just as a cost-effective alternative, but as a leader in innovative MoE architecture. The strategic move by NVIDIA to offer free API access, coupled with its proven efficiency in coding and agentic tasks, underscores Moonshot AI's commitment to democratizing advanced AI. This week highlights Kimi K3's pivotal role in shaping the economic and technical landscape of large language models.
常见问题
- Kimi K3 最新的架构进展是什么？
- Kimi K3 是 Moonshot AI 的 2.8 万亿参数混合专家（MoE）模型，现在在总参数和激活参数之间存在显著差异。虽然它拥有 2.8 万亿的总参数，但在推理过程中只有约 1040 亿参数是激活的。这种设计使 Kimi K3 能够有效地存储大量知识，同时保持每个 token 的计算成本可控，从而创建了不同的内存和计算预算以进行优化部署。
- 与其他领先的 LLM 相比，Kimi K3 的成本效益如何？
- Kimi K3 继续成为一种成本效益极高的选择，其 100 万 token 的上下文窗口价格远低于 GPT-5.6 Sol 和 Claude Fable-5 等竞争对手。其激进的定价，特别是对于缓存输入，使其在代理工作流和 AI 驱动的编码助手方面特别有吸引力。这种经济优势使 Kimi K3 成为寻求强大 AI 功能而无需支付某些前沿模型高昂费用的开发人员的一个有力替代方案。
- 有哪些新举措使 Kimi K3 对开发人员来说更容易获得？
- Kimi K3 的可访问性正在迅速扩大。NVIDIA 现在通过其 Build 平台提供 Kimi K3 的免费 API 访问，为开发目的提供无限制的请求，尽管存在一些地区限制。此外，Together AI 等平台正在将 Kimi K3 集成到开发人员工具中，例如 Together Link，以将编码代理与开放 LLM 连接并降低成本。这些努力旨在简化在各种应用程序中的采用和集成。
- Kimi K3 能有效地处理非英语语言吗？
- 最近的分析表明，Kimi K3 与大多数大型语言模型一样，在处理非英语提示时可能会产生更高的成本。这是由于分词的差异，非英语文本通常比英语需要更多的 token 来表示相同的内容，即使每个 token 的定价一致，也会导致费用增加。开发人员在多语言应用程序中部署 Kimi K3 时应考虑此因素，并相应地优化提示策略。
相关
-
Z.ai 的 GLM-Legal 在法律基准测试中优于 Claude Fable 5 和 Kimi K3
Z.ai 推出了 GLM-Legal，一个基于其 GLM-5.3-Flash 架构构建的、专门用于法律任务的 AI 模型。该模型在 Harvey 的法律代理基准测试 (LAB) 中取得了 19.2% 的通过率，显著优于其基础模型，并可与顶级法律 AI 解决方案相媲美。虽然 GLM-Legal 在法律推理和分析方面表现强劲，但目前仅通过申请制 API 提供访问，没有公开的权重。
-
Mistral AI 发布欧洲最大开放权重模型“Le Chonk”
Mistral AI 发布了 Mistral Large 4 的预览版，这是一个拥有 1.05 万亿参数的多模态混合专家模型，昵称为“Le Chonk”。该模型在欧洲开发，采用精细的 MoE 架构，并配备独立的视觉编码器以实现多模态理解，使用了 3,800 个 NVIDIA Grace Blackwell GPU 进行训练。该公司承诺在 10 月底前提供开放权重，使其成为欧洲实验室中最大的此类模型，并强调了其在编码、智能体工作流和网络…
-
新AI框架HOA在多项奥赛中取得满分
研究人员开发了HOA，一个旨在增强AI代理在各种奥赛任务中解决问题能力的开放框架。HOA协调多个代理会话，整合独立审阅者的反馈、用于领域特定知识的结构化维基以及用于检查生成证明的验证器。在使用GPT-5.6 Sol进行测试时，HOA在2026年的国际数学奥林匹克（IMO）、国际物理奥林匹克（IPhO）和国际信息学奥林匹克（IOI）中取得了满分，并在PutnamBench和Lean-Eval排行榜等其他基准测试中表现出色。值得注意的是，…
-
Kimi K3“贿赂仓鼠”引发AGI争议 · 追踪5个来源
多篇社交媒体帖子强调了Kimi K3模型的性能，并使用“贿赂仓鼠”一词来描述其行为。帖子表达了对该模型能力的怀疑，一些用户讽刺地称其为承诺中的AGI，而另一些用户则称其为“AI骗子”的产品。
-
Jiejue Xingchen 的 Step 5 Preview 模型在 10 月 15 日开源发布前登顶 OpenRouter 榜单
Jiejue Xingchen 最新的旗舰模型 Step 5 Preview 已登上 OpenRouter 热门榜单，并在日榜上排名全球第二，显示出开发者浓厚的兴趣。该模型将于 10 月 15 日开源，因其在性能和成本方面的平衡而受到赞誉。AI 研究员 Elvis Saravia 指出，其能力可与 GLM-5.3 和 Kimi K3 等模型相媲美。Step 5 Preview 采用稀疏 MoE 架构，拥有 6000 亿参数，针对 AI…
-
AI 生成 24/7 像素艺术电视频道 SlopSoup TV
SlopSoup TV 是一个新颖的 24/7 像素艺术电视频道，其中所有内容，包括剧本、角色和排程，均由 AI 模型生成。该项目采用分层 LLM 系统来处理各种任务，如节目制作和写作，并使用 GLM-5.3 和 Qwen3-TTS 等特定模型来处理内容创作的不同方面。该频道旨在制造荒诞和怪诞的内容，采用各种技术来确保其生成叙事的独特性和事实准确性，同时运营成本仅约为每天 2 美元。
-
Kimi K3 和 Claude Fable 5.1 在基准测试中表现几乎相同
一项对 AI 模型的比较显示，在特定基准测试中，Kimi K3 的得分是 43.6，而 Claude Fable 5.1 的得分是 43.4。这表明两个模型之间的性能差距很小，仅为 0.2 分。结果可在 olud.ai 排行榜上查看，突出了开源 AI 和 LLM 的发展。
-
新的 WorldBench 基准测试评估 LLM 在 3D 世界生成方面的能力
研究人员推出 WorldBench，一个旨在评估大型语言模型使用 Three.js 生成交互式 3D 世界能力的新基准测试。目前依赖视觉快照或源代码分析的评估方法被发现不可靠，并且经常在生成内容上产生分歧。WorldBench 采用了一个更强大的评估器，它结合了对运行中世界的视觉探索和源代码分析，并交叉引用发现以确保准确性。这个新基准测试被用来评估五个前沿模型，包括 Claude Fable 5.1、GPT-6 Astra、Kimi …
-
SpaceX、OpenAI融资交易和Anthropic的Haiku 5.5模型凸显计算成本
本周的AI新闻被重大的金融运作和一个值得注意的模型发布所主导。据报道，SpaceX正在为Nvidia GPU寻求400亿美元，而Broadcom则计划筹集超过500亿美元来资助OpenAI的定制AI芯片，Oracle也参与了芯片融资讨论。与此同时，Anthropic发布了Claude Haiku 5.5，该模型拥有100万个token的上下文窗口，输入token每百万价格为0.10美元，这可能重新定义具有广泛上下文能力的小型模型的成本结构。
-
AI 实验室开源模型、SpaceX 购买 GPU、AI PC 涌现 · 跟踪 3 个来源
Anthropic 已开源其小型模型 Haiku 5.5，而 Moonshot 已发布其 Kimi K3 模型的权重。与此同时，据报道 SpaceX 正在筹集 400 亿美元购买 NVIDIA GPU，而微软和 NVIDIA 正在合作开发集成本地推理功能的 AI PC。Google DeepMind 也推出了 Gemini Robotics。
-
Goodfire 推出 AI 安全监控系统，成本削减 80%
Goodfire 推出了一款新的 AI 安全监控系统，旨在显著降低监控 AI 代理的成本。该系统可供 Baseten 客户使用，它使用“探针”来监控内部模型激活，而不是依赖二级 AI 模型进行输出审查。据报道，这种方法将监控成本削减了近 80%，并且延迟极低，同时在测试中成功检测到高比例的恶意活动。
-
Goodfire 推出更便宜的 AI 代理监控系统
Goodfire 推出了新型“内向外”监控器系统，旨在比现有方法更经济地检测恶意 AI 代理。与使用单独的 AI 来审查代理输出的传统方法不同，Goodfire 的监控器在 AI 模型运行时分析其内部信号。这种方法成本显著降低，因为它重用了模型已在进行的计算，并在测试中显示出捕获恶意活动的有效性。该公司旨在为开源 AI 模型提供必要的安全措施，而这些模型通常缺乏专有系统内置的安全功能。
-
阿里巴巴的Qwen模型将达到10T参数，着眼于AI驱动的开发
阿里巴巴集团的Qwen模型将实现显著扩展，计划中的Qwen4、Qwen4.5和Qwen5的参数量将在5T到10T之间，在此基础上，Qwen3.8的参数量为2.4T。该公司还专注于架构创新，以降低训练和推理成本，同时增加模型规模。阿里巴巴正在探索递归自我改进（RSI）以加速模型开发，实验表明Qwen参与芯片设计和优化推理基础设施。在多模态方面，阿里巴巴预览了将于11月推出的“Agent Video”模型，旨在实现更长、更可控、更智能的视…
-
Mistral AI 和 Reflection AI 发布大型开放权重模型，挑战中国主导地位
Mistral AI 发布了“Le Chonk”（Mistral Large 4），这是一个拥有1.05万亿参数的开放权重模型，在欧洲基础设施上训练，旨在符合欧盟法规。与此同时，获得巨额融资和SpaceX计算支持的美国初创公司Reflection AI也发布了自己的开放权重模型Beam。这些发布标志着一个重大转变，打破了近期中国实验室在开放权重AI领域的统治地位，并为西方开发者带来了新的竞争。
-
独立开发者分享高效使用 LLM 的提示模板
一位名叫 Leony 的独立开发者开发了一个四块提示模板，旨在最大限度地提高 Kimi 等大型语言模型 (LLM) 的效率，目标是以最少的对话轮次获得期望的结果。该模板包括目标、已验证的上下文、约束和输出模式，随后是重要的说明，要求在回答前列出假设和边缘情况。这种结构化的方法通过预先做出决策，有助于避免常见的 LLM 交互陷阱，例如模糊的请求和多轮澄清。
-
Cline AI 代理框架展示了灵活性但生产就绪度参差不齐
对 Cline AI 代理框架的技术评估显示，其生产就绪度方面结果不一。虽然 Cline 的架构允许独立选择模型和按使用量跟踪成本，但其操作复杂性和手动管理 API 密钥的需求带来了挑战。评估发现，Cline 将代理运行时与推理提供商分离，提供了灵活性，但也需要用户承担更多责任。然而，在 Python MCP SDK 初始化方面遇到了问题，并且 Terminal-Bench 基准测试被认为更适用于调试，而不是作为明确的性能比较。
-
Mistral Large 4 在 Terminal-Bench 上表现优于 Qwen 3.8 Max 和 Kimi K3
Mistral Large 4 在 Terminal-Bench 基准测试中表现优于 Qwen 3.8 Max 和 Kimi K3。此次评估凸显了 Mistral AI 在开发具有竞争力的语言模型方面的进展。
-
Mistral Large 4 发布，在网络安全领域挑战中国AI模型
Mistral AI 发布了 Mistral Large 4 (ML4)，这是一款万亿参数的混合专家模型，旨在与美国和中国的领先AI模型竞争。Artificial Analysis 的独立测试表明，ML4 在网络安全方面表现强劲，在特定测试中优于一些中国模型，但在更广泛的智能基准测试中落后于一些中国开放权重模型。该模型在 Nvidia Grace Blackwell GPUs 上训练，提供 100 万 token 的上下文窗口和原生图…
-
美国公司Reflection's Beam发布了参数量为501B的开源大语言模型
一款名为Reflection's Beam的美国新开源大语言模型已发布。它拥有5010亿参数，其中230亿参数处于活跃状态，并采用Apache 2.0许可。虽然它优于其他西方开源模型，但其速度被认为不如GLM 5.3、Kimi K3和DeepSeek V4.1等模型。
-
中国AI技术接近美国水平，但面临巨额资金缺口 · 追踪4个来源
中国的人工智能初创公司正在迅速缩小与美国模型的在技术上的差距，其中一些系统如Moonshot的Kimi K3已接近前沿性能。然而，这些中国公司面临着巨大的资金赤字，获得的风险投资仅为其美国同行的一小部分。这种财务差距，加上人才成本上升和国内市场收入有限，给中国的AI行业带来了重大挑战，尽管西方公司如Reflection和Mistral正在发布具有竞争力的开放权重模型。