Seedance 2.5 is live — 30-second cinematic video with native audio & real-person references
全部文章
Kimi K3 完整指南：Moonshot 2.8T 旗舰模型
2026/07/27 ·

Kimi K3 完整指南：Moonshot 2.8T 旗舰模型

Kimi K3 规格、架构、价格和 API 行为详解：1M 上下文、常开推理、固定采样，以及通过 OpenAI 兼容 API 调用的方法。

Moonshot AI 于 2026 年 7 月中旬发布了 Kimi K3，但顺序与常规发布恰好相反：API 文档、价格页面和可用的 kimi-k3 模型 ID，先于任何基准测试表、技术博客或权重发布出现[1]。各种泄露讨论用一周时间填补了信息真空，而流传内容几乎都至少有一项错误。本指南以 Moonshot 自有文档为依据，梳理已经确认、被刻意固定和尚未公开的信息。

我们的视角也很明确：reAPI 网关已经提供 Kimi K3，因此下文不仅说明模型是什么，还会解释实际调用体验，包括哪些参数会让请求被拒、缓存行为如何决定账单，以及 K2.x 代码迁移时容易踩到的坑。你可以从 reAPI 模型页面直接查看它。

简要结论

  • Kimi K3 是一款 2.8 万亿参数旗舰模型，以 Kimi Delta Attention（一种混合线性注意力机制）和 Attention Residuals 为基础，并采用 Stable LatentMoE，每个 token 激活 896 个专家中的 16 个[1][3]。
  • 上下文窗口为 1,048,576 tokens，且采用统一价格，没有长上下文加价档。Moonshot 原生 API 的输出上限默认为 131,072，可设至 1,048,576，但输入加上请求预算必须装进窗口[1][2][9]。
  • 推理始终开启。 唯一可调项是三级 reasoning_effort（low / high / max，没有 medium），默认值为 max[4]。
  • 采样参数被锁定：temperature 为 1.0、top_p 为 0.95、n 为 1，两项 penalty 均为 0。传入其他值会直接报错[1]。
  • Moonshot 公布的费率为每 1M tokens 输入 $3.00 / 输出 $15.00（缓存命中输入 $0.30）。reAPI 上同一模型为 $2.50 / $12.00，输入和输出均低于公布价格[2][8]。
  • 原生支持视觉输入（图片和视频），但会拒绝公开图片 URL，只能使用 base64 或已上传文件的引用[5]。

Kimi K3 概览

下表全部信息来自 Moonshot API 文档，检索日期为 2026 年 7 月 26 日：

规格Kimi K3（官方）
模型 IDkimi-k3
总参数量2.8 万亿
架构Kimi Delta Attention（混合线性注意力）+ Attention Residuals；Stable LatentMoE，激活 896 个专家中的 16 个
上下文窗口1,048,576 tokens（1M）
最大输出原生默认 131,072 tokens；参数最高 1,048,576，输入加预算须在上下文内 [9]
模态输入文本、图片和视频；输出文本
推理始终开启；reasoning_effort 可选 low / high / max，默认 max
输入价格（缓存未命中）每 1M tokens $3.00
输入价格（缓存命中）每 1M tokens $0.30
输出价格每 1M tokens $15.00
上下文分档无——任何上下文长度都按统一 token 费率计价

有两个数字值得再看一遍。2.8T 的参数规模让 K3 进入此前没有任何开放权重模型触及的级别；Moonshot 已承诺发布权重，届时它将成为首个 3 万亿参数级开源模型[3]。另一个是价格：$3.00 / $15.00 意味着 K3 的成本是 K2 系列的三到四倍。Moonshot 把它定位成前沿旗舰，而不是过去 Kimi 品牌所代表的高性价比选项；不过它在输入和输出两端仍低于闭源前沿模型。

发布顺序：API 在前，技术资料在后

理解发布顺序，有助于解释现在仍在流传的冲突信息。上线前几天，社区追踪者发现 Moonshot 平台短暂出现宣传页，Kimi 应用中也浮现 beta 模型选择器；泄露消息最终形成的共识是“约 2.5T 参数、1M 上下文”。方向接近，但官方数字是 2.8T。随后 Moonshot 官方账号发布了一段无文字预告视频，产品进度又超过新闻周期：API 文档、快速入门和价格页面，与首批财经媒体报道在同一天上线[1][2]。

API 和文档先于基准测试及权重，这与 K2 旗舰系列的发布方式完全相反；后者都会在首日同步提供完整技术博客和开放权重。实际结果是：K3 上线第一周，文档是唯一可靠来源，其余信息都只是推断。

架构：Kimi Delta Attention、LatentMoE 与 Attention Residuals

K3 文档中技术含量最高的一句话是：模型“基于 Kimi Delta Attention（一种混合线性注意力机制）以及 Attention Residuals 构建”[3]。这不是营销术语，而是 Moonshot 于 2025 年末发表的 Kimi Linear 研究路线首次投入生产。理解它，也就理解了 1M-token 窗口和让该窗口真正可用的统一价格[6]。

**Kimi Delta Attention（KDA）**是一种线性注意力机制，可视为带更细粒度门控的 Gated DeltaNet 改进版。标准 softmax 注意力的键值缓存会随序列长度线性增长，因此百万 token 上下文的服务成本极高。线性注意力则维持固定大小的循环状态。以往代价是质量：纯线性注意力对长文档中精确信息的回忆能力较弱。

混合布局是 Kimi Linear 论文解决这一取舍的方式：以 3:1 比例交错布置 KDA 层和完整注意力层。每四层中有三层采用成本较低的线性机制，第四层保留精确的全局注意力。论文结果显示，这一配置在质量基准上优于全注意力，同时最高可降低 75% 的 KV-cache 内存，并在 1M-token 上下文中将解码速度提高至 6x[6]。

Stable LatentMoE 是稀疏混合专家配置：共有 896 个专家，每个 token 激活 16 个[3]。正是这种稀疏性，让 2.8T 模型具备实际服务的可能；每个 token 的活跃计算量只占总参数量的一小部分。

Attention Residuals 是唯一尚无公开论文解释的组件，这个术语首次出现在 K3 文档中。在技术报告发布前，诚实的结论只能是：我们知道名称，但不知道机制。

它在实践中的意义很直接：1M-token 上下文只有在经济上可用才有价值。多数提供超长上下文的服务商会提高长文本档位价格，或者悄悄降低质量。K3 文档明确表示不分档，无论输入 5,000 还是 900,000 tokens，都使用相同的每 token 费率[2]。只有当长上下文的边际成本确实大幅下降时，这种定价才合理，而这恰恰是 KDA 的作用。架构本身就是价格故事。

API 实际提供了什么

K3 的 API 设计带有明确取舍，会让从 K2.x 或 OpenAI 风格模型迁移的团队感到意外。以下都是文档写明的限制，而非使用观察[1]：

  • 推理始终开启。 没有非思考模式——Moonshot FAQ 对“如何关闭思维链”的回答就是：不能。唯一控制项是顶层字段 reasoning_effort，共有 low、high、max 三级。没有 medium，默认还是成本最高的 max[4]。
  • 采样被固定。 temperature 锁定为 1.0、top_p 为 0.95、n 为 1，两项 penalty 参数均为 0。任何其他值都会报错，因此请求中应直接省略这些字段。若你的流程会按任务调整 temperature，这个控制杆已经不存在。
  • 输出预算必须与输入一起装进窗口。 Moonshot 原生 API 的 max_completion_tokens 默认为 131,072，最高可设为 1,048,576。输入加上请求预算超过上下文窗口时，会返回 invalid_request_error，不能把最大参数值理解为保证生成百万 token 的最终答案。请显式设置上限，为输入、推理和回答留出空间[9]。
  • 流式响应区分推理与答案。 流式结果中的 reasoning_content delta 与 content delta 分开，因此 UI 可以把思考轨迹与最终答案分别呈现。
  • 必须保留完整思考。 在多轮对话和工具调用循环中，完整 assistant 消息——包括 reasoning_content 与 tool_calls——必须原样放回 messages。只保留 content 是很多 OpenAI 形态代码的习惯，但会在没有明显报错的情况下削弱模型表现。
  • 视觉能力有明确限制。 原生支持图片和视频输入，但不接受公开图片 URL；必须发送 base64 data URI，或先上传文件再按文件 ID 引用[5]。
  • 结构化输出是一等能力。 带 strict: true 的 JSON Schema 会约束最终答案字段，但不会约束以自然语言呈现的推理内容。

新工具调用体系

K3 首次加入两项能力，它们都瞄准同一个问题：当智能体拥有大量工具时，工具定义会大量消耗上下文[1]。

tool_choice: "required" 会强制本轮至少调用一次工具，避免智能体本应查询资料时却凭记忆直接作答。K2 模型会拒绝这个值，K3 则支持。

动态工具加载更为新颖：在对话中途，把完整工具定义放入一条 system 消息（只有 tools 字段，不含 content），从该位置起工具即可使用。编排器无需在每次请求开头塞入 80 个工具 schema，而可以在工作流阶段真正需要时才注入。要注意：服务器不会持久保存动态加载的工具；下一轮若请求历史中没有保留这条 system 消息，工具就会消失。

文档中的一项警告值得复述：Moonshot 内置 web_search 工具目前标注为更新中，不建议用于生产。如果智能体需要搜索，应自行接入工具。

自动上下文缓存

K3 的上下文缓存不需要 cache ID、TTL 管理或额外参数。只要多次请求保持较长前缀稳定，平台就会自动尝试命中缓存；命中时每 1M tokens 按 $0.30 计费，而不是 $3.00[1]。这相当于重复上下文享受 90% 折扣，也是 1M 窗口从演示功能变成实用模式的关键：把语料作为稳定前缀加载一次，随后以十分之一价格反复查询。

是否命中由两个条件决定。前一次请求的 prompt tokens 必须超过 256，低于该值不会缓存；reasoning_effort 档位也不能改变，在对话中途切换会使前缀缓存失效[4]。请在对话开始前选好档位。

早期第三方遥测数据显示，这一模式的表现与宣传一致：OpenRouter 的 K3 实时统计曾显示整体流量缓存命中率超过 75%，使加权平均输入价格降至标价的三分之一以下[7]。

价格：主动告别低价策略

此前每一代 Kimi 都主要依靠成本竞争，K3 不再如此。下表展示它与同系列及前沿竞品的位置（每 1M tokens，输入按缓存未命中费率）：

模型输入输出缓存命中输入上下文
Kimi K2.6$0.95$4.00$0.16256K
DeepSeek V4 Pro$1.74$3.48$0.145128K
Kimi K3（Moonshot 直连）$3.00$15.00$0.301M
reAPI 上的 Kimi K3$2.50$12.00—1M
Claude Opus 4.8$5.00$25.00—1M
GPT-5.5$5.00$30.00—400K

定位一目了然：K3 的成本是自家同系列模型的三到四倍，却比闭源前沿模型低 40–50%。Moonshot 的判断是，1M-token 窗口、原生视频输入和前沿级能力，足以支撑开放权重领域中的高端档位。

速度是这项判断必须附带的诚实注释。早期第三方遥测显示，K3 每秒约生成 28 tokens，首 token 延迟约为四秒[7]。对于这种规模且始终开启推理的模型，这并不意外，但确实很慢。K3 为单次调用的深度而设计，不追求每分钟调用量；延迟敏感的交互循环应使用其他模型。

还有一项产品线调整：Moonshot 在发布 K3 的同时大幅精简型号。旧版 moonshot-v1 系列和较早的 K2.x 变体已停止向新用户开放，平台计划于 2026 年 8 月底全面下线。Moonshot 希望所有人转向 K3。

从 K2.x 迁移：实用清单

如果你正在使用 K2.6 或 K2.7-Code，迁移范围不大，但确实存在：

  1. 将模型 ID 改为 kimi-k3，API 仍与 OpenAI 兼容。
  2. 将 thinking 参数替换为顶层 reasoning_effort。 K2 时代的 thinking 对象不是 K3 参数，会直接报错。
  3. 删除采样参数。 从 K3 请求中移除 temperature、top_p 和 penalty 设置；这些值由服务器固定，其他值会让请求被拒。
  4. 主动选择推理档位。 默认值 max 成本最高，推理 tokens 按输出计费。任务不值得深度推理时降到 high 或 low；也不要在对话中途切换，因为这会让前缀缓存失效。
  5. 重新审核成本模型。 按标价计算，输出 token 单价是 K2.6 的 3.75x，而常开推理还会增加输出量。利用自动缓存降低开支：稳定前缀在前，可变后缀在后。
  6. 如果过去传入公开图片 URL，需要重做视觉输入。 K3 只接受 base64 或已上传文件的引用[5]。
  7. 每轮都完整回传 assistant 消息，包括 reasoning_content 和 tool_calls。

现在谁适合使用 K3

严格依据已确认信息，K3 目前适合单项任务质量比每 token 成本更重要的长周期工作：在大型代码库中运行数小时的编程智能体、把百万 token 文档语料作为缓存前缀反复查询，以及需要在同一上下文中处理图片、视频与代码的多模态推理任务。

它目前不适合延迟敏感的交互产品（28 tokens/sec 是为另一类任务准备的工具）、需要可调采样的流程（所有参数均已锁定），也不适合纯粹追求最低成本的场景——更便宜的档位就是为此存在的。

通过 reAPI 运行 Kimi K3

K3 已在 reAPI 网关上线，可作为 OpenAI 兼容端点直接替换：将 base URL 改为 https://api.reapi.ai/v1，把网关密钥作为 bearer token 发送，并将模型字符串设为 kimi-k3。现有的 openai SDK 无需修改即可使用。

curl https://api.reapi.ai/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k3",
    "messages": [
      { "role": "user", "content": "Refactor this module and add tests." }
    ],
    "reasoning_effort": "high",
    "stream": true
  }'

选择 reAPI 而不是直连 K3 有两个原因：

  • 价格。 reAPI 上 K3 的费率是每 1M tokens 输入 $2.50 / 输出 $12.00，两项都低于 Moonshot 公布价格，输出费用足足低五分之一[8]。对于常开推理会增加输出量的模型，输出单价才是更关键的数字。
  • 一个密钥，多种模型。 同一网关密钥可调用 Claude、GPT、Gemini、DeepSeek、GLM 和 Kimi 系列，因此 K3 只是路由选择，而不是供应商绑定；可以把它放入与其他模型相同的降级与负载均衡逻辑中。

完整请求接口——固定参数、缓存条件、视觉输入格式和错误目录——都记录在 Kimi K3 API 文档中，当前费率见模型页面。

常见问题

Kimi K3 是开源模型吗？

Moonshot 将 K3 描述为开源发布，并承诺公开权重；这将使它成为首个 3 万亿参数级开放模型[3]。截至本文撰写时，权重即将发布，但主要访问方式仍是 API。

能关闭或降低 K3 的推理吗？

不能关闭，推理始终开启。但可以降低：reasoning_effort 接受 low、high 和 max，默认是 max[4]。当推理成本高于答案价值时，正是使用 low 的场景。

1M 上下文会额外收费吗？

不会。任何上下文长度都按统一 token 费率计价，900K-token prompt 与 9K prompt 的单价相同[2]。Moonshot 直连时，缓存命中输入降至每 1M tokens $0.30。

为什么 K3 请求返回 temperature 错误？

temperature、top_p、n 和两项 penalty 参数都由服务器固定，传入任何不同值都会报错，而不会覆盖默认值[1]。请从请求中删除它们。K2 时代的 thinking 对象也是如此，应改用顶层 reasoning_effort。

能在 Claude Code、Codex 或 Cline 中使用 K3 吗？

可以。API 与 OpenAI 兼容，因此所有支持自定义 base URL 和密钥的工具都能调用，包括 Claude Code、Codex、Cline、RooCode 和 OpenCode。使用网关密钥，将工具指向 https://api.reapi.ai/v1，模型 ID 设为 kimi-k3。

K3 在基准测试中与 Claude Opus 4.8 或 GPT-5.5 相比如何？

截至本文撰写时，Moonshot 尚未公布 K3 的官方评测表，没有 SWE-Bench、没有 Terminal-Bench，也没有任何可独立验证的结果。在基准测试表和技术报告发布前，应将社交媒体流传的具体数字视为未经验证。

参考资料

  1. Moonshot AI。Kimi K3 快速入门——官方 API 文档：模型 ID、固定采样参数、输出上限、工具调用与上下文缓存。 2026 年 7 月检索自 platform.kimi.ai/docs/guide/kimi-k3-quickstart
  2. Moonshot AI。Kimi K3 价格——每 1M tokens $3.00 / $15.00，缓存命中输入 $0.30，不设上下文分档。 2026 年 7 月检索自 platform.kimi.ai/docs/pricing/chat-k3
  3. Moonshot AI。模型概览——2.8T 参数、Kimi Delta Attention + Attention Residuals、Stable LatentMoE（896 个专家中激活 16 个），以及开源承诺。 2026 年 7 月检索自 platform.kimi.ai/docs/api/models-overview
  4. Moonshot AI。使用 reasoning_effort——三级（low / high / max）、默认 max，以及切换档位导致缓存失效。 2026 年 7 月检索自 platform.kimi.ai/docs/guide/use-reasoning-effort
  5. Moonshot AI。使用 Kimi 视觉模型——图片与视频输入、base64 和文件引用，不支持公开 URL。 2026 年 7 月检索自 platform.kimi.ai/docs/guide/use-kimi-vision-model
  6. Moonshot AI。Kimi Linear：一种兼具表达力与效率的注意力架构（arXiv:2510.26692）——KDA、3:1 混合布局、KV-cache 与解码结果。 2026 年 7 月检索自 arxiv.org/abs/2510.26692
  7. OpenRouter。MoonshotAI: Kimi K3——实时遥测：缓存命中率、加权输入价格、吞吐量与 TTFT。 2026 年 7 月检索自 openrouter.ai/moonshotai/kimi-k3
  8. reAPI。Kimi K3——模型页面、API 文档和当前费率。 2026 年 7 月检索自 reapi.ai/docs/kimi-k3
  9. Moonshot AI. Chat Completions API — output cap and input-plus-cap validation. Retrieved September 8, 2026 from platform.kimi.ai/docs/api/chat

延伸阅读

全部文章

更多文章