# Kimi K3 技术报告：把模型做大，先得搞定显存、带宽、通信和延迟这四堵墙

> 原标题：Kimi K3 报告解读：当规模从一个旋钮变成一组受约束的生产要素

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-07-31T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/48045
- 原文：https://yage.ai/share/kimi-k3-scaling-production-factors-20260731.html

## 摘要

Moonshot AI 放出了 Kimi K3 的技术报告，模型总参数 2.78 万亿，每次推理激活 1042 亿参数，总共 93 层，原生支持 100 万 token 上下文。但报告真正的看点不是参数大，而是他们怎么在真实硬件限制下做工程取舍。

## 推荐理由

Moonshot AI 发布 Kimi K3 技术报告，解读聚焦其在显存、带宽、通信和延迟约束下对序列架构的工程取舍，而非 2.78 万亿参数本身。

## 锐评

2.78 万亿参数、激活 1042 亿，这组数不新鲜，能抄的是 69 层 KDA 加 24 层 Gated MLA 这个配比。100 万 token 的 context 一开，显存和带宽就是硬墙，全用全局注意力根本跑不起来，拿大部分层做线性注意力压成本、留少数层做全局修正，这个取舍挺务实。做长 context agent 的可以照着这个思路看自己的架构，别一上来就堆全局注意力。
