学透 Kimi K3 技术报告

把一篇 47 页的技术报告，做成一个打开就在跑的学习系统。 不是让你看懂，是让你没法骗自己。

在线阅读 → kimi.papertok.ai

单个 HTML 文件，3.4 MB，不依赖任何 CDN，断网也能用。双击打开就行——没有安装、没有账号、没有服务器。

---

它和一篇教程有什么不一样

教程再清楚，你得到的还是「看懂的感觉」。这个网站押注在四件别的事上。

跑得动 — 论文里的算法真的在浏览器里算

论文说「递推形式和分块并行形式等价」。这里把两条路径都实现了，让它们在同一个页面里同时跑，逐个相减：

误差 6.6613e-16，双精度浮点的舍入误差——两条路径算出来的是同一个东西，一位不差。

上面那三个复选框叫「弄坏 1/2/3」。勾上任意一个（去掉因果掩码的对角线、不做 1/Γ 重缩放、不对键向量做 L2 归一化），误差从 1e-16 跳到 1e-1。论文里那句顺手带过的「我们对 q、k 做了 L2 归一化」，根本不是工程细节，是整个数学成立的前提。

一共 6 个这样的实验室，每个都有「故意弄坏」开关，每个下面都写清了这个实验不能证明什么。

看得见 — 论文原图就在旁边，3D 版紧挨着它

论文里的 16 张图全部从 PDF 里抽了出来，放回它该在的位置，配中文导读图注，点击放大，深色模式自动反色。最重要的那一张下面，紧跟着一个照它建的、可以漫游的 3D 骨干。

3D 只用在第三个维度真的承载信息的地方：矩阵的演化、网络的深度、896 个专家的负载分布。压成二维会丢东西——才做。

记得住 — 229 道题接进间隔重复

145 道开放题（四级提示阶梯 + 一道变式）+ 84 道机器判分题（数值 / 单选 / 多选 / 排序）。答得越吃力，下次出现得越早。

机判题的每个错误选项都对应一个具体的、真实存在的误解——错误选项本身就是教学内容。

问得出 — 划线就能生成一份带足上下文的提问

选中正文任意一段，浮出四色工具条：不懂 / 重要 / 存疑 / 深挖。颜色不是为了好看，是四种意图，决定它后续被怎么对待。

点「划线并提问」，生成的不是一个输入框，是一份已经写好的提问：论文出处（第几章、§几、原文第几页）+ 你划的原文 + 你的批注 + 可选范围的上下文（选段 / 本小节 / 本章 / 本章含题，实时显示字符数）+ 一段防编造要求：

只依据上面给出的材料回答。材料里没有的内容，直接说「材料里没有」，不要用你的先验补全，更不要编造论文里的数字、公式编号或参考文献。

复制去任何大模型。拿到答案后点「贴答案回去」，它就长在原文旁边，形成「原文 → 我的疑问 → AI 的回答」三段式，还能一键变成一张复习卡。

所有划线汇总成一份读书笔记，可筛选、可导出 Markdown（直接进 Obsidian / Notion）。

题目也走同一条路。 145 道开放题机器判不了分——而它们恰恰是最值钱的题。每道题下面有「让 AI 批改」：

把「题干 + 参考答案 + 评分标准 + 你的作答」一次性打包复制，粘到任意大模型里，它就是一个批改老师。把它给的 0–5 分填回来，这道题的复习排期就按真实水平走，而不是按你的自我感觉。

这个网站没有嵌入任何模型的接口。它做的是把「怎么问」这件你自己做不好的事做好，剩下的交给你。

---

规模

---

自己构建

git clone https://github.com/ViffyGwaanl/kimi-k3-learn.git
cd kimi-k3-learn
python3 build.py          # 拼成单文件，输出 index.html 和 deploy/index.html

没有依赖，不需要 node_modules，build.py 只是按固定顺序把碎片拼起来。

目录

parts/00-head.html          外壳头：全部 CSS + 顶栏 + 视图容器
parts/ch00.html … ch15.html 17 章正文
parts/96-close.html         视图收尾 + 灯箱 + 选中浮条 / 划线气泡 / 提问弹窗容器
lib/three.inline.js         内联的 three.js（用 tools/inline_three.py 生成）
parts/figs.js               论文原图（base64 WebP，用 tools/extract_figures.py 抽取）
p