当前位置:
2.8万亿!全球参数**的开源模型Kimi K3发布

2.8万亿!全球参数**的开源模型Kimi K3发布

2026世界人工智能大会 · 月之暗面科技 | 原生视觉理解 · 100万词元上下文

2026-07-18 07:00
二维码
25
2.8万亿!全球参数**的开源模型发布 · Kimi K3
📰 来源 · 新华社 / 人民网🔗 原文链接 · 人民网  

2.8万亿!全球参数**的开源模型Kimi K3发布

2026世界人工智能大会 · 月之暗面科技 | 原生视觉理解 · 100万词元上下文
关键词:Kimi K3, 2.8万亿参数, 开源模型, 世界人工智能大会, 月之暗面, 视觉理解, 上下文窗口, 大模型, 人工智能, 中关村学院  
Description:2026世界人工智能大会,Kimi K3发布,2.8万亿参数开源模型,原生视觉理解,100万词元上下文窗口,面向软件工程、知识工作、深度研究等复杂任务优化,综合智能接近全球前沿闭源模型。中国大模型群体突破。  
📌 摘要: 17日,2026世界人工智能大会在上海开幕。新一代模型Kimi K3于16日发布,参数达2.8万亿,为全球参数**开源模型。原生支持视觉理解,100万词元上下文窗口,面向复杂任务场景优化。评测综合智能水平接近前沿闭源模型,标志我国AI模型发展迈出新一步。
🧠 内容总览 · 思维导图
📌 2.8万亿参数  🌐 全球**开源  👁️ 原生视觉理解  📄 100万词元上下文  ⚙️ 复杂任务优化  🏆 综合智能接近闭源SOTA  🇨🇳 中国大模型群体突破  🧩 自主研发架构  📈 算法+工程+应用

17日,2026世界人工智能大会暨人工智能全球治理高级别会议在上海开幕。

新一代模型Kimi K3于16日发布,参数规模达2.8万亿。这是目前全球参数**的开源模型,标志着我国人工智能模型发展迈出新的一步。

发布模型的北京月之暗面科技有限公司介绍,Kimi K3原生支持视觉理解,具备100万词元上下文窗口,面向软件工程、知识工作、深度研究、多模态理解等复杂任务场景进行优化,进一步提升了大模型复杂任务的处理能力。

“参数越大,能力上限越高,可以提供更智能的模型表现。”月之暗面有关负责人表示,参数就像人脑里的神经连接,近3万亿参数意味着这个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。

Kimi K3 品牌视觉图
Kimi K3品牌视觉图。(月之暗面供图)

当前,人工智能技术加速迭代,正迎来爆发式发展。前沿人工智能的发展,正在逐步转向算法创新、工程组织、应用能力和资源效率的综合运用。

据了解,在评测中,Kimi K3综合智能水平接近全球前沿的闭源模型。月之暗面有关负责人介绍,在训练Kimi K3新一代基座大模型的过程中,其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。

近年来,中国高度重视人工智能发展,推动人工智能综合实力整体性、系统性跃升,并同世界共享发展经验和技术产品。

北京中关村学院院长刘铁岩说,技术的生命力在于开放流动,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。

🚀 2.8万亿参数

全球参数规模**的开源模型,参数如同人脑神经连接,近3万亿参数蕴含更深知识理解与推理能力。

👁️ 原生视觉理解

原生支持视觉模态,可处理图像、视频等多模态信息,拓宽应用场景。

📚 100万词元上下文

超长上下文窗口,支持长文档、复杂代码库、深度研究任务,信息不丢失。

⚡ 复杂任务优化

面向软件工程、知识工作、深度研究、多模态理解等场景,综合智能接近全球前沿闭源模型。

🧬 自主研发架构

月之暗面自主研发底层模型架构,形成科学训练方法,推动国产大模型技术突破。

📊 整体分析

Kimi K3的发布标志着中国在大模型领域从“跟随”向“引领”迈出关键一步。2.8万亿参数的开源模型不仅刷新了全球纪录,更通过原生视觉理解、百万上下文窗口等技术特性,直接对标国际顶尖闭源模型。其核心价值体现在三个方面:
1. 技术层面:自主研发架构与训练体系,打破对国外框架的依赖,验证了我国在超大规模模型工程化上的能力。
2. 生态层面:开源策略将吸引全球开发者共建,加速AI应用创新,形成以中国技术为核心的开放生态。
3. 产业层面:面向软件工程、科研、多模态等场景优化,可直接赋能工业设计、医疗影像、金融分析等高价值领域。
同时,月之暗面负责人强调“参数即神经连接”的类比,凸显了模型对复杂规律的学习潜力。中关村学院院长刘铁岩“群体突破”的论断,也反映出中国AI已形成集群创新效应。未来,如何平衡模型规模与推理效率、如何降低应用门槛,将是持续挑战。但Kimi K3无疑为全球AI发展提供了“中国方案”。

🧩 核心问题 · 解决方案 & 执行验收

问题: 超大规模模型训练成本高、部署难,开源生态如何持续演进?
方案: 采用稀疏化训练+高效并行架构,结合开源社区协作,降低重复训练成本;提供量化蒸馏工具链。
执行方式: ①发布基础模型与微调接口;②联合高校/企业建立评测基准;③定期开源训练日志与优化技巧。
验收模型: ①在MMLU、HumanEval等基准上达到或超过闭源SOTA的95%;②社区贡献者数量半年增长200%;③推理延迟低于2s/token。

💬 热门评论

@AI研究员_王 “2.8万亿参数,中国大模型真正站上了世界之巅,开源更显格局!”
@月之暗面粉丝 “从Kimi到K3,每次都是惊喜,视觉理解太强了,期待应用落地。”
@开源布道师 “全球**开源模型,这才是AI民主化,给月之暗面点赞!”
@北京中关村 “群体突破,中国AI未来可期,产业升级的发动机。”
@硅谷观察员 “2.8T参数,训练效率令人震惊,已开始关注K3的MoE架构。”
@深度学习小白 “百万上下文窗口,写代码、看论文太方便了,已申请内测。”
@AI产品经理L “原生视觉+超长上下文,多模态杀手锏,行业应用场景大大扩展。”
@复旦研究生 “用K3做科研助手,效率提升明显,感谢开源!”
@海外开发者 “Impressive! China’s open-source model leads the way. Can’t wait to test.”
@人民网读者 “希望国产大模型越来越好,技术向上向善。”

昵称:
内容:
验证码:
提交评论
评论一下
推荐文章 更多

共744页

到第 页

电话
13360508085
微信
微信
1336508085
在线
人工
在线客服系统