昨晚 11 点，月之暗面正式开放 Kimi K3 完整权重，技术报告也同步公开。2.8 万亿总参数、1040 亿激活参数、96 个 Safetensors 分片，整个仓库 1.56 TB，Kimi K3 这次真的亮了。
这组数字很容易让人先想到部署，不过对于绝大多数开发者来说，这个念头还是得放下，先看看技术报告比较合适。
我看完最大的感受是，K3 没有只讲怎么把模型做得更大。它花了相当多的篇幅回答一个更麻烦的问题：怎样让 Agent 连续干几千步，中途还能记得自己在做什么，也不至于靠钻评分器空子拿到一个假高分。
2.8T 负责制造规模感，怎么让 Agent 干长活不散架，才是这份报告最有意思的部分。
百万上下文很长，K3 给它配了两种“记忆”
K3 支持 1,048,576 token 上下文。这个数字已经大到容易让人失去概念，于是先看它是怎么练出来的：预训练阶段从 8K 逐步拉到 64K，cooldown 阶段再从 256K 拉到 1M。
窗口拉长以后，另一个问题马上出现：前面一百万 token 的东西，总不能每一步都从头翻一遍。
K3 的主干采用“三层 KDA 加一层 Gated MLA”的循环结构，最后再补一个全局注意力层。
可以把 KDA 理解成工作台上的便签。它维护一个固定大小的循环状态，负责随手更新当前最需要的信息，成本不会随着历史无限膨胀。
MLA 更像档案室。它不需要每一层都出现，但会周期性保留全局内容交互，让模型有机会回头查更完整的上下文。三层 KDA 处理手边事务，一层 MLA 翻一次总账，最后再做一次全局检查。
这个比喻只负责帮助理解。技术上，它们对应的是固定大小循环状态与全局注意力交互的组合。
网络堆到 93 层，也会遇到“传话传丢”
K3 一共有 93 层，其中 69 层是 KDA，24 层是 Gated MLA。
网络变深以后，信息不只会在时间轴上变远，也会在模型层与层之间变远。某个早期层提取出来的关键表示，传到几十层以后，可能已经被反复加工得面目全非。
所以 K3 又加了 Block Attention Residuals。
普通残差连接更像把上一棒直接递给下一棒；Block AttnRes 允许当前层回头挑选更早深度块里的表示。K3 把网络划成 8 个十二层块，再加一个不完整的末尾块，让后面的层不必永远依赖“上一层转述”。
它和上下文窗口分工不同：窗口决定能装下多少历史，Block AttnRes 负责让深层网络方便地找回前面已经算出的东西。
896 个专家开会，每个 token 只叫 16 个
K3 是一个混合专家模型，共有 896 个路由专家。每处理一个 token，只选择其中 16 个，再加上两个共享专家。
这就是 2.8T 总参数与 104B 激活参数同时成立的原因：公司很大，真正参加这次会议的人只有一部分。
K3 还对专家权重使用 MXFP4、对激活使用 MXFP8，并配合量化感知训练。报告给出的约 2.5 倍 scaling efficiency，也是依据拟合的 scaling-law 曲线得出的。
这里千万别把“2.5 倍”顺手写成“推理快了 2.5 倍”。两者不是一回事。
而且“每次只激活 104B”也不代表部署时只需要装下 104B。完整稀疏权重仍然要存储和分发，1.56 TB 的仓库体积就摆在那里。
九个“老师”，最后教出一个 K3
架构解决了信息怎么流动，后训练才开始回答 Agent 怎么干活。
K3 的后训练包含 SFT、强化学习和 Multi-Teacher On-Policy Distillation。Moonshot 把任务分成三个领域：
通用任务 通用 Agent 编码 Agent
每个领域再分 low、high、max 三档推理强度。三乘三，一共得到九个 expert teachers，最后再把这些教师的能力整合回同一个模型。
这套设计挺像先找九位专项教练：有人带基础体能，有人练工具使用，有人专门盯代码；训练结束后，再把九套经验交给同一个选手。
更有意思的是训练环境。报告描述了一套统一的白盒强化学习环境，会主动改变工具接口、提示词、上下文管理、技能、记忆和 Agent harness。
原因并不玄学。一个 Agent 如果只在固定工具和固定提示词里拿高分，很可能只是背熟了考场，而不是学会了解题。
Agent 最怕的，是学会“骗分”
长程任务有一个老问题：过程越长，标准答案越难写。
K3 使用 Autonomous Execution Tasks，也就是 AET。系统只提供目标、工具、预算和独立验证器，不给模型一条现成的参考轨迹。Agent 可以自己找路径，最后看结果是否真的完成。
可一旦验证器完全公开，模型又可能学会迎合评分规则。于是报告里还加入了隐藏验证器和有限提交预算，用来防范 reward hacking。
这和写代码时只跑自己写的测试很像。测试全绿不一定代表修对了，也可能只是出题的人和答题的人共享了同一个盲区。隐藏验证器的价值，就是再补一双没有参与写答案的眼睛。
长任务还得有地方活着。AgentENV 使用可恢复的 Firecracker microVM 沙箱，支持暂停、恢复、分叉和快照。报告描述的长程个人助理轨迹，可以跨越数个模拟日、数千次工具调用和数百万上下文 token。
教师模型负责教能力，变化的 harness 负责换考场，AET 负责验收结果，AgentENV 负责让任务别在半路断电。到这里，K3 的 Agent 训练链路才算连起来。
需要说明的是：目前公开的是完整模型权重和技术报告。报告详细描述了 AgentENV 与强化学习环境，不等于这些训练基础设施也已经随权重一起开源。
成绩很好看，先把评测条件一起记下来
编码、通用 Agent 和视觉 Agent 结果都很亮眼，可以直接看到各项数据。
但横向比较时，至少要把两个条件一起带上：K3 的评测使用 max reasoning effort，temperature 为 1.0。Agent 任务又会受到工具、上下文管理和 harness 的明显影响。
所以这些图适合回答“K3 在官方设定下做到了什么”，暂时不适合被压缩成一句“全面超过谁”。
这并不削弱报告的价值。恰恰相反，完整的架构、后训练和评测条件一起公开，才有机会判断数字是怎么来的。
最后
Kimi K3 这次正式开源，最直接的意义当然是权重终于能下载了。
但对大多数读者来说，更有用的东西可能藏在技术报告里：长上下文不只是把窗口拉长，深层网络还要能找回早期表示；Agent 不只是会调用工具，还要有可恢复的执行环境、独立验证器和不那么容易被钻空子的考场。
这套思路未必只能用在 K3 上。
以后再看一个 Agent 模型，可以多问四个问题：它怎么保存长任务状态？怎么跨层找回信息？训练时怎样更换工具和环境？最后又由谁来证明任务真的完成了？
这四个问题，比再背一遍参数量更有用。
