月之暗面开源Kimi K3模型权重、技术报告，公开三大题Infra技术

　　新浪科技讯 7月28日上午消息，暗面昨日晚间，开源开月之暗面发布Kimi K3 模型权重、型权技术报告，重技并开源支撑 Kimi K3 模型训练的术报题 Infra 技术：MoonEP、FlashKDA和AgentEnv。技术

　　Kimi K3是暗面一个具有 2.8 万亿参数的混合专家（MoE）模型，具有原生视觉理解能力，开源开并协助 100 万 token 的型权上下文窗口，其参数规模是重技 Kimi K2.5 的 3 倍左右，在并不宽裕的术报算力需下，凭借 Kimi Delta Attention、技术Attention Residuals 以及 MoonEP 等一系列技术创新，暗面规模化效率提高了 2.5 倍。开源开

　　目前，型权每个人都可以下载并部署 Kimi K3 模型——无比如是用于内部研发，还是嵌入到照章性终端用户的产品中，均可自由采取。

　　据悉，支撑 Kimi K3 训练效率与稳固性的题技术有三项：MoonEP、FlashKDA和AgentEnv。之前，月之暗面已开源FlashKDA ，MoonEP 和 AgentEnv 则随本次发布正式开源。

　　MoonEP 是为超大的细粒度 MoE 打造的高性能通信库，让专家并行（expert-parallel）的通信在不均衡的状况下仍然实现极致效率。 

　　FlashKDA 是Kimi Delta Attention 高性能算子（kernel）。在英伟达 H20 上，相比 flash-linear-attention 基线，它的 prefill 高效度提高 1.72-2.22 倍，可以直接作为 flash-linear-attention 的替换后端。

　　AgentENV 是月之暗面与 KVCache.ai 合作开发的沙箱系统，用于大规模运行 Agent 环境。它为 Kimi K3 的后训练给予高保真、强隔离沙箱，灵活协助高效高效快照、恢复和分叉（fork）等，可以处理大规模并行的 Agent 工作流与训练任务。（文猛）

责任编辑：杨赐