7月27日，我国科技企业月之暗面发布Kimi K3的模型权重、技术报告，正式开源Kimi K3，人人都可下载。Kimi K3是月之暗面开发的AI（人工智能）大模型，于7月17日发布，是全球参数最大的开源模型。该模型总参数达到2.8万亿，原生支持视觉理解，具备100万词元上下文窗口，主要面向长程编程、知识工作和复杂推理等场景。
在大模型编码评估系统Frontend Code Arena榜单中，Kimi K3以1679分位居榜首，超过Claude Fable 5、GPT—5.6 Sol等闭源模型，这也是开源模型首次在该榜单上超过闭源模型并登顶。
在大模型研发中，参数规模是关键变量。参数就像人脑里的神经连接，它决定模型“能装下多少知识”。参数越大，能力的上限越高，也就可以提供更智能的模型表现。2.8万亿参数，意味着模型能把更多的知识和规律装进“脑子”，懂得更多、想得更深、答得更准。
注意力机制同样重要。自2017年Transformer架构提出以来，注意力机制就成为全球主流大模型的技术基石之一。注意力机制决定了模型“会不会抓重点”，能不能从海量信息中快速找到关键、建立联系并形成答案。传统全注意力机制在处理长文本时，计算量随文本长度接近平方级增长——模型“读”的内容增加1倍，计算量就增至约4倍，这正是超长文本难落地的关键原因。
Kimi K3的突破，不只是参数大、“装得多”，还在于处理信息的方式更高效。首先，它应用了月之暗面提出的一种创新的线性注意力模块——KDA混合线性注意力机制，通过混合线性设计，把计算量降到接近线性增长。这意味着在同等算力条件下，模型能“读”得更长、处理更多信息、完成更复杂任务。
另一方面，模型越大、层数越多，信息传递的“路程”就越长，信号容易衰减、失真，训练也越容易失败，这是全球大模型开发共同面对的工程难题。月之暗面开发的注意力残差技术，则改进了信息在不同网络层之间的传递和复用方式，相当于为巨型模型加装了一套“稳定器”，让2.8万亿参数能稳定高效地用起来。
在训练新一代基座大模型的过程中，月之暗面使用了自主研发的底层模型架构，并积累形成了一整套科学的模型训练方法。如果说KDA混合线性注意力机制回答的是“超长文本怎样算得更省”，注意力残差技术回答的就是“超大模型怎样训练得更稳”。两项技术共同表明，我国大模型企业的竞争力，正从扩大参数规模延伸到基础架构和原创算法层面。
性能强、成本低，使得中国大模型成为全球开发者的重要选择。
全球人工智能模型聚合平台OpenRouter的数据显示，7月20日至26日，中国大模型周调用量达33万亿词元，连续13周稳居全球首位。高盛集团认为，中国开源及开放权重模型的智能水平，正在达到面向全球扩散的关键临界点；预计2026年下半年，中国可能出现更多总参数达到2万亿至5万亿的大模型。
在月之暗面创始人兼首席执行官杨植麟看来，从部分性能在全球大模型榜单登顶，到多模态模型能力攀升，再到单个智能体衍生出智能体集群，中国大模型的发展壮大不仅体现在数量上，更体现在质量、应用深度和全球影响力等多方面。
北京中关村学院院长刘铁岩认为，一批中国开源大模型从“单点亮相”走向“群体突破”，为世界人工智能发展提供了新方案、新路径，将加快推动人工智能技术向上向善发展。