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

Kimi K3 是一个拥有 2.8 万亿参数的混合专家（MoE）模型，具备原生视觉理解能力，并支持 100 万 token 的上下文窗口，其参数规模是 Kimi K2.5 的 3 倍左右，在并不宽裕的算力条件下，凭借   Kimi Delta Attention、Attention Residuals   以及   MoonEP   等一系列技术创新，规模化效率提升了 2.5 倍。

目前，每个人都可以下载并部署 Kimi K3 模型——无论是用于内部研发，还是嵌入到面向终端用户的产品中，均可自由使用。

据悉，支撑 Kimi K3 训练效率与稳定性的关键技术有三项：MoonEP、FlashKDA 和 AgentEnv。此前，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）的通信在不均衡的情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 速度提升 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 的后训练提供高保真、强隔离沙箱，灵活支持快速快照、恢复和分叉（fork）等，可以应对大规模并行的 Agent 工作流与训练任务。（文猛）