阿里云百炼上线的 Kimi-K3 是月之暗面推出的旗舰 MoE 大模型,模型 ID 为 kimi-k3,总参数 2.8 万亿,激活参数 104B,采用 KDA 混合线性注意力与注意力残差技术,原生支持图文输入、1048576 Token 百万上下文,输入输出上限对等,主打长程编程、深度知识研读、复杂链式推理任务,也是全球首个开源的 3 万亿级别大模型;它在阿里云百炼支持上下文缓存、函数调用、结构化 JSON 输出,但不支持微调、批量推理、原生联网搜索,计费采用缓存特惠机制,反复读取同一套文档的 RAG、长 Agent 场景可以大幅压低成本,它的定位不是日常闲聊轻量模型,而是面向重度知识工程、大型代码工程、多文档联合分析的高阶推理模型,适合需要一次性载入整套代码库、整本技术手册、多份合同财报做综合研判的业务,短板是单次调用成本偏高,简单问答场景性价比远不如轻量化模型。
一、Kimi-K3 基础定位清单
- 模型归属:月之暗面 Moonshot AI,阿里云百炼提供 API 推理服务
- 架构:Stable LatentMoE 混合专家架构,896 个专家,每次激活 16 个专家
- 核心技术:KDA 混合线性注意力(Kimi Delta Attention)+ Attention Residuals 注意力残差
- 参数规模:总参数 2.8 万亿,激活参数 104B
- 上下文窗口:1048576 Token(100 万 Token),最大输入、最大输出均为 100 万 Token
- 输入模态:文本、图片;输出模态:纯文本
- 模型定位:旗舰长程推理模型,面向长代码、长文档、复杂 Agent 任务
- 开放属性:权重开源,是全球首个开源 3 万亿级别大模型
- 不支持能力:模型微调、批量推理、原生联网搜索
- 支持能力:Function Calling、结构化输出、前缀续写、上下文缓存
二、核心特征
- 百万对等上下文:输入输出上限都是 100 万 Token,读完整套资料之后,可以一次性输出完整工程方案、完整代码重构、完整分析报告,不受输出长度限制
- KDA 长序列优化:专门优化超长序列信息传递,长文档靠后的内容不容易被模型遗忘,长任务幻觉控制优于传统注意力模型
- 原生视觉理解:内置 MoonViT-V2 视觉编码器,可以直接读取截图、图纸、扫描文档、报表图片,图文一起做联合推理
- 上下文缓存能力:支持 KV 缓存复用,重复加载相同知识库、固定系统提示词时,缓存命中价格大幅降低,是长任务省钱核心手段
- 强工具调用能力:支持 Function Calling,适配多步骤智能体、工具串联的 Agent 工作流
- 结构化输出稳定:可以稳定输出规范 JSON,方便下游系统直接解析对接
- 稀疏 MoE 设计:只有部分专家参与单次推理,兼顾超大参数规模和推理吞吐表现
三、能力表现简要说明
Kimi-K3 优势集中在超长代码工程重构、多文档交叉核验、复杂数学与逻辑推理、图文混合文档分析,在代码基准、Terminal-Bench 智能体基准、长文档问答基准表现突出;它属于 “思考型模型”,适合需要持续规划、长链路推导的任务。短板是简短问答、普通文案生成、高频低价值对话场景,成本偏高,而且模型本身不带联网能力,需要自己搭配搜索工具来获取实时信息。
四、适用场景清单
✅ 优先推荐场景
- 长程代码工程:读取完整代码仓库、跨文件重构、漏洞审计、大型项目调试、生成完整测试套件
- 多文档深度研读:合同集、专利、财报、多份技术规范批量交叉比对、风险提取
- 复杂科研与知识工作:论文批量阅读、文献综述、实验方案推导、技术方案撰写
- 图文联合分析:扫描合同、工程图纸、截图日志、报表图片结合文本做综合研判
- 长链路 Agent 智能体:多步骤规划、长记忆任务、需要持续携带大量背景材料的自动化工作流
❌ 不太适合场景
- 高频简单客服对话、日常闲聊、短文案批量生成
- 需要对模型做行业语料微调、离线批量推理打分
- 强依赖实时新闻、实时行情,且不想自行接入搜索工具的业务
- 预算紧张、单次请求只是几万 Token 以内的轻量问答
五、阿里云百炼计费表(Kimi-K3,华北 2 北京原价)
| 计费项目 | 单价 | 单位 | 备注 |
|---|---|---|---|
| 输入(缓存未命中) | 20 元 | 每百万 Token | 文本 + 图片转 Token 计费 |
| 输入(缓存命中) | 2 元 | 每百万 Token | 复用 KV 缓存,价格降幅大 |
| 输出 | 100 元 | 每百万 Token | 识别生成文本输出 Token |
备注:新加坡、法兰克福、东京等海外地域定价略有差异;表格为公开原价,限时优惠、套餐折扣以百炼控制台实时展示为准。
六、Kimi-K3 和同系列 Kimi 轻量模型对比
| 模型 | 核心优势 | 短板 | 适合方向 |
|---|---|---|---|
| Kimi-K3 | 百万对等上下文、长推理强、原生视觉、支持缓存 | 价格高、不能微调、无内置搜索 | 大型代码库、多文档研判、长 Agent |
| Kimi K2 系列 | 价格更低、响应更快 | 长上下文能力弱、长任务遗忘明显 | 常规文档摘要、普通问答、轻量 RAG |
七、整体总结
阿里云百炼上的 Kimi-K3 是月之暗面的旗舰开源 MoE 模型,依靠 KDA 注意力技术实现百万级超长上下文,输入输出上限对等,长代码、多文档交叉分析、图文智能体是它的主战场,缓存机制可以显著降低重复加载知识库的开销。它属于高阶推理模型,能力上限很高,但调用成本不低,选型核心判断标准:任务是不是需要一次性读取几十万 Token 材料、做多步骤深度推导;简单短问答优先选轻量模型,不要直接上 Kimi-K3。
【相关 FAQ】
问题 1:阿里云 Kimi-K3 支持联网搜索吗,想要实时信息该怎么处理?
回答 1:阿里云 Kimi-K3 本身不自带联网搜索能力,如果需要实时信息,需要自行接入搜索工具,搭配 Kimi-K3 的 Function Calling 能力,组装成带检索的智能体工作流。
问题 2:阿里云 Kimi-K3 的缓存命中是什么意思,怎么用缓存降低 Kimi-K3 调用成本?
回答 2:阿里云 Kimi-K3 支持上下文缓存,缓存命中就是复用之前已经加载过的 KV 上下文,输入价格从 20 元 / 百万 Token 降到 2 元 / 百万 Token;RAG 知识库、固定系统提示词、反复读取同一批文档的场景开启缓存,省钱效果最明显。
问题 3:阿里云 Kimi-K3 可以做模型微调吗,批量推理支持吗?
回答 3:阿里云 Kimi-K3 在百炼平台不支持模型微调,也不支持批量推理,有微调、批量离线打分需求的业务,需要选择其他支持微调的模型。
问题 4:阿里云 Kimi-K3 输入输出都是 100 万 Token,这个和其他百万上下文模型差别在哪?
回答 4:阿里云 Kimi-K3 是输入、输出上限对等,很多百万上下文模型只能长输入、短输出;Kimi-K3 读完百万材料之后,可以一次性输出百万长度的完整方案、整套代码,适合完整长产出任务。
【参考资料】
[2026-11-20](阿里云最新 Kimi-K3 全解析:模型定位、核心特征、能力表现、适用场景及计费详解)阿里云开发者社区
[2026-10-29](kimi/kimi-k3 模型信息)阿里云帮助中心
[2026-09-02](kimi-k3 模型计费与地域说明)阿里云帮助中心
[2026-07-28](Kimi K3 权重开源发布,技术报告公开)Kimi 官方
[2026-07-28](Kimi K3 上架阿里云百炼,2.8 万亿参数旗舰长程模型)机器之心
【免责声明】
本文仅整理阿里云百炼平台 Kimi-K3 公开参数、基准能力、API 计费原价信息,不构成 API 采购、项目落地建议;Kimi-K3 能力、计费价格、开放地域、接口能力会随月之暗面、阿里云官方调整更新;长上下文推理依旧存在幻觉风险,高价值业务(合同、财报、代码审计)上线前必须做人工复核与 POC 验证。
