Kimi K3 发布：2.8 万亿参数、原生多模态、百万 token 上下文
月之暗面 7 月 16 日发布 Kimi K3：2.8 万亿参数、原生多模态、1M token 上下文，专为长程编程、知识工作与深度推理打造；ARR 已超 2 亿美元，K3 巩固其国产长上下文模型领先地位。
2026 年 7 月 16 日，月之暗面（Moonshot AI）发布 Kimi K3（
Kimi 系列的旗舰模型），官方定位为"智能的新前沿"。三个关键数字定义了它的野心：2.8 万亿参数、原生多模态、百万（1M）token 上下文——专为长程编程、知识工作与深度推理而生。同日还发布了 PerceptionBench 评测基准，为"多模态感知能力"提供可量化的标尺。
从 K2.6 到 K3 的能力接力
Kimi K3 并非凭空而来。此前 4 月 20 日发布的 Kimi K2.6 已经为新一代能力做了铺垫——一个值得注意的细节是，月之暗面官网页面本身即由 Kimi K2.6 参与共创。这种"自家产品用自家模型"的做法，既是能力验证，也是产品叙事的自我强化。
从聊天助手到完整智能体矩阵
Kimi 的产品形态已经远不止"聊天助手"：它扩展为覆盖 Agent、Agent 集群（agent-swarm）、一键建站、文档、PPT、表格、深度研究（Deep Research）与 Kimi Claw 的完整智能体产品矩阵，并推出 Kimi Code 与开放平台。K3 的超长上下文与原生多模态，正是为这套矩阵里的长程任务（长文档处理、长代码、深度研究）提供底座。
规模切向价值变现的代表样本
行业层面，据 36氪报道，Kimi ARR 已超 2 亿美元——这是中国大模型"从规模竞争切向价值变现"的代表样本之一。在国产大模型普遍还在烧钱换规模的阶段，月之暗面率先把营收故事讲了出来。K3 的发布则进一步巩固了其在国产长上下文模型中的领先地位。
从行业视角看，Kimi K3 的"2.8 万亿参数 + 1M 上下文 + 原生多模态"组合，标志着国产模型的竞争焦点正在从"能不能用"转向"长任务扛不扛得住"。超长上下文不是炫技，而是深度研究、长文档、Agent 这类真实付费场景的基础能力——K3 押注的正是这些"高价值长任务"。
后续值得跟踪的几个方向：
- K3 的上下文性价比：1M token 的能力在真实成本上是否可负担。
- PerceptionBench 的可信度：多模态评测基准会否成为行业对标。
- agent-swarm 的成熟度：Agent 集群在复杂任务上的编排能力。
- ARR 的持续性：2 亿美元 ARR 之后，付费场景能否继续扩容。
用户评价