Kimi K3
- 输入 输入模态: 文本图像视频 输出 输出模态: 文本
- 推理· low、high、max
- 可关闭推理
- 工具调用
- 结构化输出
- 开放权重
价格
10 个渠道报价 · 按标价显示 Moonshot AI Platform（在新标签页打开）
kimi-k3| 条件/ 百万 tokens | 输入 | 缓存读取 | 缓存写入 | 输出 | |
|---|---|---|---|---|---|
| 5 分钟缓存 | 1 小时缓存 | ||||
| 标准 | ¥20.00 | ¥2.00 | ¥20.00 | ¥40.00 | ¥100.00 |
价格来源 Kimi API 开放平台：模型推理价格（在新标签页打开） (核对于 2026年11月8日)
| 条件/ 百万 tokens | 输入 | 输出 |
|---|---|---|
| 标准 | ¥20.00 | ¥100.00 |
价格来源 阿里云百炼：模型价格（在新标签页打开） (核对于 2026年11月9日)
Alibaba Cloud Model Studio（在新标签页打开）
kimi/kimi-k3| 条件/ 百万 tokens | 输入 | 输出 |
|---|---|---|
| 标准 | ¥20.00 | ¥100.00 |
价格来源 阿里云百炼：模型价格（在新标签页打开） (核对于 2026年11月9日)
Moonshot AI Platform（在新标签页打开）
kimi-k3| 条件/ 百万 tokens | 输入 | 缓存读取 | 缓存写入 | 输出 | |
|---|---|---|---|---|---|
| 5 分钟缓存 | 1 小时缓存 | ||||
| 标准 | $3.00 | $0.30 | $3.00 | $6.00 | $15.00 |
价格来源 Moonshot AI platform pricing（在新标签页打开） (核对于 2026年11月8日)
| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | $2.827 | $0.283 | $14.133 |
价格来源 Alibaba Cloud Model Studio pricing（在新标签页打开） (核对于 2026年11月9日) · Kimi K3 model（在新标签页打开） (核对于 2026年11月9日)
| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | $3.00 | $0.30 | $15.00 |
价格来源 Alibaba Cloud Model Studio pricing（在新标签页打开） (核对于 2026年11月9日) · Kimi K3 model（在新标签页打开） (核对于 2026年11月9日)
| 条件/ 百万 tokens | 输入 | 输出 |
|---|---|---|
| 标准 自 2026年10月23日 起页面不再列出 | $2.827 | $14.133 |
价格来源 Alibaba Cloud Model Studio pricing（在新标签页打开） (核对于 2026年11月9日)
| 条件/ 百万 tokens | 输入 | 输出 |
|---|---|---|
| 标准 | $3.00 | $15.00 |
价格来源 Alibaba Cloud Model Studio pricing（在新标签页打开） (核对于 2026年11月9日)
标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。
详细规格
- 许可证
- Kimi K3 License
- 模型家族
- kimi-k
- 模型 ID
Moonshot AI 的页面未说明：最长输入, 最大思考预算, 内置工具, 知识截止, 别名。
本地运行
权重： moonshotai/Kimi-K3- 参数 2.78T
- 激活 厂商未写 · 专家 896（每 token 16）
- 原生精度 BF16
- 层数 93
- 每 token 的 KV 缓存 105 KB
- 配置位置数 1024K （config.json max_position_embeddings）
- API 上下文 1024K （厂商 API）
在你的配置上 · GeForce RTX 4090
✕放不下 IQ4_XS （自动） 8K 上下文
权重KV 缓存运行开销可用上限
- 需要
- ≈ 1445.0 GB (权重 1375.4 + KV 缓存 0.8 + 开销 68.8)
- 可用
- 21.6 GB (标称的 90%)
- 建议
- 这台配置跑不动，看下面的“最低需要”
| 推荐精度 | 权重 | 8K 需要 | 在你的配置上 | 最长上下文 |
|---|---|---|---|---|
| 原生 BF16官方 | 1453.7 GB | ≈ 1527.2 | ✕放不下 | — |
| Q8_0 | 2750.8 GB | ≈ 2889.2 | ✕放不下 | — |
| FP8 | 2589.0 GB | ≈ 2719.3 | ✕放不下 | — |
| Q6_K | 2126.2 GB | ≈ 2233.4 | ✕放不下 | — |
| Q5_K_M | 1841.4 GB | ≈ 1934.3 | ✕放不下 | — |
| Q5_0 | 1779.9 GB | ≈ 1869.8 | ✕放不下 | — |
| Q4_K_M | 1572.8 GB | ≈ 1652.3 | ✕放不下 | — |
| Q4_0 | 1456.3 GB | ≈ 1530.0 | ✕放不下 | — |
| IQ4_XS | 1375.4 GB | ≈ 1445.0 | ✕放不下 | — |
| Q3_K_M质量下降明显 | 1265.4 GB | ≈ 1329.5 | ✕放不下 | — |
| IQ3_XXS质量下降明显 | 990.3 GB | ≈ 1040.6 | ✕放不下 | — |
| Q2_K质量下降明显 | 970.9 GB | ≈ 1020.2 | ✕放不下 | — |
| IQ2_XXS质量下降明显 | 666.7 GB | ≈ 700.8 | ✕放不下 | — |
点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。
和其他配置比
每个配置各用它能跑的最高精度，点一个看细节。
最低需要（Q4_K_M · 8K）：单机放不下，约需 23 张 80 GB 显卡。
运行命令
厂商没有发布这个精度的文件。可选原生精度或厂商自己的版本，或用 llama.cpp 自己量化。
微调需要多少显存
全参≈ 41429.0 GB你的配置放不下
LoRA≈ 5184.1 GB你的配置放不下
QLoRA≈ 1462.3 GB你的配置放不下
batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。
估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-11。 怎么估算的
引用评分
来自第三方排行榜，并非我们测得- Epoch Capabilities Index 158.5
第 21 名，共 118 个上榜模型 · 置信区间 156.5–160.6
- LMArena Text 1,487
第 15 名，共 163 个上榜模型 · max effort · 置信区间 1,483–1,492 · 40,409 票
- Epoch AI · Chess Puzzles 37%
第 38 名，共 85 个上榜模型 · high effort · ±4.85
其他版本：max effort 36% · low effort 18%
- Epoch AI · FrontierMath Tier 4 v2 39%
第 26 名，共 65 个上榜模型 · max effort · ±7.71
- Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. Licensed CC BY 4.0. · 许可 · 数据日期 2026年10月28日至2026年11月5日
- LMArena (Arena), leaderboard-dataset on Hugging Face, licensed CC BY 4.0 · 许可 · 数据日期 2026年11月8日
- EQ-Bench by Samuel J. Paech (eqbench.com; EQ-bench/EQ-bench-site on GitHub), MIT License. · 许可 · 数据日期 2026年10月24日至28日
- LiveBench (White et al.), release 2026-06-25, livebench.ai, licensed CC BY-SA 4.0. This board, adapted from it, is shared under CC BY-SA 4.0. · 许可 · 数据日期 2026年6月25日
- 我们做的改动
厂商自报评分
由 Moonshot AI 发布，测试条件以其说明为准| 基准 | 测试设置 | 分数 |
|---|---|---|
| GPQA Diamond | reasoning effort max | 93.5% |
| Humanity's Last Exam | full set, no tools, reasoning effort max | 43.5% |
| full set, with general tools, reasoning effort max | 56% | |
| Terminal-Bench 2.1 | Kimi Code harness, reasoning effort max | 88.3% |
| BrowseComp | context compaction at 300K tokens, reasoning effort max | 91.2% |
| full 1M-token context, no context management, reasoning effort max | 90.4% | |
| MCP-Atlas | 500-task public subset, 100-turn limit, Gemini 3.1 Pro judge, reasoning effort max | 84.2% |
| OSWorld-Verified | reasoning effort max | 84.8% |
| MMMU-Pro | no tools, avg of 3 runs, reasoning effort max | 81.6% |
| with Python tool, avg of 3 runs, reasoning effort max | 83.4% |
包含在编程套餐中
- 5 倍于 Lite 套餐的用量
- GitHub Copilot Pro $10.00 / 月1,500 积分 每月在基础用量之外提供可变的额外用量。Flex 配额可能会随时间调整。15 美元用量 每月
- GitHub Copilot Pro+ $39.00 / 月7,000 积分 每月在基础用量之外提供可变的额外用量。Flex 配额可能会随时间调整。70 美元用量 每月
- GitHub Copilot Max $100.00 / 月20,000 积分 每月在基础用量之外提供可变的额外用量。Flex 配额可能会随时间调整。
- GitHub Copilot Business $19.00 / 月1,900 积分 每月
- GitHub Copilot Enterprise $39.00 / 月3,900 积分 每月
- Kimi Code (Kimi membership) Plus ¥99.00 / 月新会员不再受每周用量上限限制，仅保留滚动 5 小时速率窗口。两个群组共享 Kimi 会员月度总配额
- Kimi Code (Kimi membership) Pro ¥199.00 / 月新会员不再受每周用量上限限制，仅保留滚动 5 小时速率窗口。两个群组共享 Kimi 会员月度总配额
- Kimi Code (Kimi membership) Max ¥699.00 / 月新会员不再受每周用量上限限制，仅保留滚动 5 小时速率窗口。两个群组共享 Kimi 会员月度总配额
- Kiro Pro $20.00 / 月1,000 积分 每月
- Kiro Pro+ $40.00 / 月2,000 积分 每月
- Kiro Pro Max $100.00 / 月5,000 积分 每月
- Kiro Power $200.00 / 月10,000 积分 每月
资讯
全部资讯 →- 2026年10月31日能力 Moonshot AI 将 Kimi K3.1 Pro 和 K3 接入 Batch API Batch API 现已在中国和全球平台支持 kimi-k3.1-pro 和 kimi-k3。批量推理费用为标准费率的 60%；这两款模型还需支付缓存写入费用，缓存命中则尽力提供。
变更
全部变更 →- Alibaba Cloud Model Studio, 中国站 上线报价 输入 ¥20.00 · 输出 ¥100.00
- Alibaba Cloud Model Studio, 中国站 上线报价 输入 ¥20.00 · 输出 ¥100.00
- Alibaba Cloud Model Studio, 国际站 新增 1 项报价 缓存读取 $0.30
- Moonshot AI Platform 新增 2 项报价 缓存写入（5 分钟缓存） $3.00 · 缓存写入（1 小时缓存） $6.00
来源
- moonshotai/Kimi-K3 model card（在新标签页打开） huggingface.co · 核对于 2026年11月6日
- Moonshot AI platform pricing（在新标签页打开） platform.moonshot.ai · 核对于 2026年11月8日
- Kimi API 开放平台：模型推理价格（在新标签页打开） platform.moonshot.cn · 核对于 2026年11月8日
- Kimi API models overview（在新标签页打开） platform.kimi.ai · 核对于 2026年11月8日
- Kimi API structured output（在新标签页打开） platform.kimi.ai · 核对于 2026年11月8日
- Kimi API chat completions reference（在新标签页打开） platform.kimi.ai · 核对于 2026年11月8日
- Kimi API responses reference（在新标签页打开） platform.kimi.ai · 核对于 2026年11月8日
- Kimi platform changelog（在新标签页打开） platform.kimi.ai · 核对于 2026年11月9日
- models.dev: kimi-k3 (community data, MIT)（在新标签页打开） github.com · 核对于 2026年9月30日
- Kimi K3 - Kimi API Platform（在新标签页打开） platform.kimi.ai · 核对于 2026年11月4日
- Kimi K3 model（在新标签页打开） alibabacloud.com · 核对于 2026年11月9日
- Explore Qwen3, Wan2.6 & Latest Models on Model Studio - Alibaba Cloud Model Studio - Alibaba Cloud_Alibaba Cloud Model Studio(Model Studio) - Alibaba Cloud Model Studio - Alibaba Cloud Documentation Center（在新标签页打开） alibabacloud.com · 核对于 2026年11月9日
- 阿里云百炼：模型价格（在新标签页打开） help.aliyun.com · 核对于 2026年11月9日
- 模型上下架与更新-大模型服务平台百炼-阿里云_大模型服务平台百炼(Model Studio)-大模型服务平台百炼(Model Studio)-阿里云帮助中心（在新标签页打开） help.aliyun.com · 核对于 2026年11月4日
- moonshotai/Kimi-K3 model card（在新标签页打开） huggingface.co · 核对于 2026年11月3日
- Kimi K3: 2.8T Open Model for Coding & Knowledge Work（在新标签页打开） kimi.ai · 核对于 2026年11月9日
- moonshotai/Kimi-K3 config.json（在新标签页打开） huggingface.co · 核对于 2026年11月4日
- moonshotai/Kimi-K3 files（在新标签页打开） huggingface.co · 核对于 2026年11月6日
- Alibaba Cloud Model Studio pricing（在新标签页打开） alibabacloud.com · 核对于 2026年11月9日
- Text generation models - Qwen, DeepSeek, GLM | Model Studio - Alibaba Cloud Model Studio - Alibaba Cloud Documentation Center（在新标签页打开） docs.modelstudio.console.alibabacloud.com · 核对于 2026年11月8日
- Alibaba Cloud Model Studio pricing（在新标签页打开） alibabacloud.com · 核对于 2026年11月9日
本页部分数值尚待与官方页面核对：实心圆点已核实，空心圆点尚未核实（无论是否已有来源）。 我们如何核实数据
Moonshot AI · 中国 · moonshot.ai
相关模型
快照、同系列与同厂商的其他模型
- Kimi K2.5
- kimi-k2-0905-preview
- kimi-k2-0711-preview
- Kimi K3.1 Pro
- Kimi K3.1 Pro Highspeed
- Kimi-K2-Thinking
- kimi-k2-turbo-preview
- Moonshot-Kimi-K2-Instruct
- Claude Opus 5.5 vs Kimi K3
- Gemini 3.1 Pro preview vs Kimi K3
- Gemini 4 Argon vs Kimi K3
- GLM-5.3 vs Kimi K3
- GPT-6 Astra vs Kimi K3
- Grok 4.7 vs Kimi K3
- Kimi K3 vs MiniMax-M3
- Gemini 3.7 Flash vs Kimi K3