作者：默思編輯部 發布：2026-07-25
Moonshot AI於2026年7月發布Kimi K3，參數規模達到2.8兆，是目前為止公開發布過規模最大的開源權重（open-weight）模型。官方同時宣稱這款模型的解碼（decoding）速度比前一代提升6.3倍，並在多項基準測試上的表現超越Anthropic的Claude與OpenAI的GPT-5系列模型。
這裡要注意一個常被混淆的概念：Kimi K3是「開源權重」模型，代表模型的參數檔案公開釋出、任何人都能下載使用與微調，但這不完全等同於「開源」——完整開源通常還包含訓練資料、訓練程式碼與訓練過程的完整透明度，而多數大型語言模型（包括Kimi K3）僅公開最終的模型權重，訓練細節仍屬於公司內部資產。這個區別對想要完整重現模型訓練流程的研究者來說相當關鍵。
模型參數量愈大，理論上能承載的知識與推理能力愈強，但也代表推論（inference）時需要的運算資源愈龐大、回應速度愈慢。Kimi K3同時做到「參數量創新高」與「解碼速度提升6.3倍」，代表Moonshot AI在模型架構設計上（很可能運用了混合專家架構MoE，只啟動部分參數子網路處理特定任務），找到了規模與效率之間的平衡點，而不是單純堆疊參數量犧牲實用性。
過去談到頂尖等級的語言模型，多半聚焦在美國的OpenAI、Anthropic、Google，但近年中國AI公司（包括Moonshot AI、DeepSeek、阿里巴巴Qwen系列）陸續推出具競爭力的開源模型，讓全球開發者在選擇模型時，除了付費呼叫閉源API，也多了自行部署開源模型的選項，這對降低AI應用開發的長期成本、減少對單一供應商的依賴，都有實質意義。
面對「效能超越GPT-5」這類官方宣稱，務必回頭查證這些跑分是在哪些基準測試、哪些任務類型下取得的結果——不同模型往往在各自擅長的任務類型上「跑贏」對手，實際選型時應該針對自己的應用場景做實測比較，而不是只看官方發布會上的跑分投影片。
如果你想建立起串接與應用這些大型語言模型所需要的程式設計基礎，歡迎參考我們平台的課程：Python課程