搜索
有人总结，运行 Kimi K3 其实很容易，只需要 1.5TB GPU 内存、大约 8 张 H100，以及一座小型变电站。一名开发者拿出一台 128GB 统一内存的 M5 Max，直接加载 Kimi K3 发布在 Hugging Face 上的官方 MXFP4 权重。
最近有个挺有意思的对比实验，来自 Composio 团队。他们用同一个模型 Kimi K3，分别放进三个不同的 agent 框架（harness）里跑 ——Claude Code、Hermes 和 Kimi Code—— 一共测了 28 个完全相同的任务。
起底 K3 背后核心极客天团，人均扛起 7 亿估值！
7月几天之内，中国大模型行业接连出现了两个超过2万亿参数的模型。
“推理轻量化，训练提效 25%，前端效果同样惊艳。 ”
听说K3这么猛，又属于免费开源，于是就有同学跑来问我一个特别真实的问题。听说K3这么猛，又属于免费开源，于是就有同学跑来问我一个特别真实的问题。这个问题问得太好了，好到我可以直接拿它当这篇文章的选题。因为它正好踩中了开源模型最反常识的地方。
Kimi K3 正式开源以后，最先冲到 Hugging Face 准备下载的人，滑不了几下，就会看到一个数字：2.8T。
最近，月之暗面 kimi 正式开源 Kimi K3 完整模型权重，Kimi K3 是一款总参数量达 2.8 万亿、上下文窗口达 100 万 token 的 MoE 大模型，更是全球首个落地的近 3 万亿参数级开源大模型，引起业界热议。
尽管Codex官方是支持第三方模型接入的，但是Codex 走的是 Responses API，而 K3 给的是 OpenAI 兼容的 Chat Completions API，两套协议对不上。所以Kimi 官方给的方案就是本地挂上CC Switch 或 codeproxy 这类第三方的转换器。
它把架构、训练和 Agent infra连接成了一套完整系统。