MoonshotAI
精选
Kimi-K3
Kimi K3 is an open-weight, 2.8T-parameter native multimodal agentic model with a 1M-token context window, designed for frontier coding, knowledge work, and reasoning tasks.
AI 仓库情报摘要
FR-AI / ANALYSIS为什么值得关注
该模型在非GPU硬件（AI ASIC）上完成了前沿规模的训练且无任何训练回滚或不可恢复的损失尖峰，同时引入了LongCat稀疏注意力和n-gram嵌入以提升效率与长上下文能力，在多个基准上与领先的闭源模型竞争。
适合谁使用
- 研究大规模MoE和稀疏注意力机制的AI研究者
- 构建代码智能体和自动化任务工作流的开发者
- 探索非GPU硬件训练的组织
- 需要百万token长上下文语言模型的工程团队
典型使用场景
- 代码仓库级别的编辑与理解
- 自动化任务执行与智能体工作流
- 百万token长度的文档分析与推理
- 集成Claude Code、OpenClaw等开发框架
项目优势
- 大规模参数量（1.6万亿）通过MoE实现高效激活（480亿）
- 新型LongCat稀疏注意力降低内存访问开销和索引成本
- 在代码和智能体基准（如SWE-bench Pro 59.5、Terminal-Bench 2.1 70.8）上达到或超越顶级闭源模型
- 在AI ASIC超级计算集群上训练超过35万亿token且无训练回滚，证明硬件稳定性
使用前须知
- 未对所有下游应用进行全面评估，不同语言和领域的表现可能有差异
- 模型规模庞大，需要大量推理资源（GPU或NPU）和专门的部署配置
- 安全、公平性和偏见评估信息不足
README 快速开始
Usage Considerations
This model has not been specifically designed or comprehensively evaluated for every possible downstream application.
相关仓库与替代方案
根据分类、Topic 和编程语言匹配的相似项目。
xuchonglang
精选
investing-for-beginners
A structured investing guide for Chinese beginners covering US stocks, options, and cryptocurrency, with focus on foundational concepts and risk awareness.
Krishnagangwal
精选
CS-Fundamentals
A curated collection of Computer Science fundamentals (PDFs, notes, cheatsheets, interview question banks) for placement preparation, covering seven core subjects plus general resources.