跳到正文
阿里雲開發者社區 AI·· 13 小時前AI 評分68

阿里雲 Kimi-K3 選型參考:模型定位、能力、適用場景與收費解析

阿里云最新 Kimi-K3 选型参考:模型定位、特征、能力、适用场景与计费解析

AI 導讀

Kimi-K3 是面向長程編程、知識工作及推理的權重開源模型,參數量為 2.8 萬億,輸入與輸出上限均為 1,048,576 Token,並已上架阿里雲百煉。文章整理其原生視覺能力及基準成績,並指出模型僅有思考模式,不支援聯網搜尋、批量推理或模型調優。華北2(北京)/全球每百萬 Token 的輸入、輸出及快取命中價格分別為 20 元、100 元及 2 元,且沒有免費額度。

正文

2026-11-21 15

版权

版权声明:

本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写 侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

简介: 模型参数走到万亿级之后,真正的瓶颈就换了位置——不再是"能不能更聪明",而是"装不装得下、算不算得起"。一个 2.8 万亿参数的模型,如果每次只能看几万 Token,那它的知识容量就浪费了大半。

qianwen.png
模型参数走到万亿级之后,真正的瓶颈就换了位置——不再是"能不能更聪明",而是"装不装得下、算不算得起"。一个 2.8 万亿参数的模型,如果每次只能看几万 Token,那它的知识容量就浪费了大半。
Qwen4‑Max.png

Kimi-K3 是冲着这个瓶颈去的:2.8 万亿参数、百万级上下文、原生视觉,而且权重开源。它目前已在阿里云百炼上架,模型 ID 为 kimi-k3。下面从定位、特征、能力、场景与计费五个层面完整介绍。详情👉访问阿里云百炼大模型服务平台页面 了解。
image.png
bailian1.png
bailian2.png

参考阿里云主流云产品大全:

云产品 核心功能 适配人群
轻量应用服务器专区: https://t.aliyun.com/U/CENIbY 主打开箱即用,自带系统镜像和常见建站模板,操作门槛极低 适合新手、个人用户做博客、静态站、短期测试
ECS 云服务器专区: https://t.aliyun.com/U/Rh9d1U 标准云算力实例,支持完整VPC专有网络、弹性网卡、安全组精细配置 个人开发者、中小企业正式业务、长期部署项目
GPU 云服务器专区: https://t.aliyun.com/U/TuZffa 深度优化的GPU算力为模型推理、图形处理提供更强性能支持 个人开发者、中小企业
最新阿里云优惠券领取入口 https://t.aliyun.com/U/Mfieow 全品类代金券领取、120+款云产品专属折扣,享优惠折上折 个人开发者、中小企业
百炼大模型服务专区: https://t.aliyun.com/U/2Nuy7H 千问 AI Token Plan 低至5折 个人开发者、中小企业

一、模型定位:旗舰级、长程任务导向

Kimi-K3 是 Kimi 的旗舰模型,官方定位集中在三个关键词:长程编程、知识工作、推理。这三个词指向同一类任务——不是一问一答,而是持续很久、需要自己规划、需要读大量材料的复杂工作。

几个硬指标先摆出来:

指标 数值
总参数 2.8 万亿
上下文长度 1,048,576 Token(百万级)
最大输入 1,048,576
最大输出 1,048,576
最大思维链 1,048,576
输入模态 文本、图像(部分入口含视频)
输出模态 文本
模式 仅思考模式
行业地位 全球首个开源的 3 万亿级别模型

有两个指标值得单独说:

第一,输入与输出上限对等。 多数模型的输出上限远小于输入(比如输入百万、输出十六万)。K3 的输入输出都是百万级,这意味着"读完一整套材料,一次写完一整套方案"在技术上成立,不需要分段拼接。

第二,仅思考模式。 没有"快速非思考"的通道,每次回答前都会先走思维链。这条对成本与延迟的影响非常大,后面会细说。

在百炼上,它有两个入口,容易搞混:

入口 推理服务供应商 说明
kimi-k3 阿里云百炼 平台侧提供推理服务
kimi/kimi-k3 月之暗面(Moonshot AI) 由模型方提供推理服务

同名不同源,限流与可用能力可能略有差异(例如 kimi/kimi-k3 页面标注 RPM 500、TPM 300 万)。接入前先确认自己调用的是哪个 ID。
详情👉访问阿里云百炼大模型服务平台页面 了解。
image.png
bailian1.png
bailian2.png

二、核心特征

第一,KDA 混合线性注意力。 全称 Kimi Delta Attention。它的价值在长上下文:传统全注意力的计算与显存开销随长度增长很快,长到百万级时成本难以承受。混合线性注意力把一部分注意力换成线性近似,用可控的精度损失换大幅的成本下降——这是百万上下文能落地的前提。

第二,注意力残差(Attention Residuals)。 解决的是深层网络的"信息衰减"问题。层数越多,早期层的信息越容易被稀释。注意力残差让跨层信息传递更稳,深层模型的有效深度因此提升。对 2.8 万亿这种超大模型,这是必要的架构补丁。

第三,原生视觉理解。 支持图像输入,且不是外挂模块。截图、图表、界面、扫描件可以直接进上下文,与文字材料一起推理。

第四,百万级上下文与百万级输出。 前文已说,这组对等上限让"整份材料进、整份成果出"成为可能。做长报告、长代码、长篇文档重构时,这是实打实的效率差。

第五,工具链齐备。 支持 Function Calling、结构化输出、前缀续写、上下文缓存;不支持联网搜索、批量推理与模型调优。

第六,权重开源。 全球首个开源的 3 万亿级别模型。对需要私有化或有研究需求的团队,这是可选项。

详情👉访问阿里云百炼大模型服务平台页面 了解。
image.png
bailian1.png
bailian2.png

三、能力拆解:基准说明什么

第三方对比表中的 Kimi-K3 成绩(供参考,横向对比口径可能不同):

基准 Kimi-K3 读法
GPQA Diamond 88.1 研究生级硬知识,第一梯队
HLE 43.5 极难推理题,表现突出
Terminal-Bench 2.1 88.3 终端任务执行力强
DeepSWE v1.1 67.5 软件工程任务扎实
CyberGym 80.0 安全/攻防类较强
Automation-Bench 48.7 自动化流程中上
Agents' Last Exam 27.6 长程 Agent 表现中上

画像很清楚:知识与推理强,终端与工程能力扎实,长程 Agent 属中上但不拔尖。 它的长板是"读得多、想得深、写得长",短板是"单步执行效率"。

做得好:

  • 长程编程:跨仓库改造、大型重构、整套测试补齐。
  • 知识工作:长报告撰写、多文档交叉比对、研究综述。
  • 复杂推理:硬知识问答、多步推导、方案论证。
  • 长上下文理解:整库代码、整套合同、整本研究材料。
  • 图文混合分析:图表解读、界面截图理解、扫描件抽取。
  • 一次成型的长稿:百万输出上限,长篇内容不必分段。

不擅长或需要注意的:

  • 需要极低延迟的简单问答(仅思考模式,每次都先推理);
  • 需要联网获取实时信息(该能力不支持,需自行挂检索);
  • 成本敏感的高频调用(输出 100 元/百万 Token,见下文);
  • 需要模型调优定制(不支持);
  • 需要批量离线推理(不支持批量推理能力)。

四、适用场景

场景 说明 关键能力
大型代码库重构 整库装载、跨文件改造 百万上下文、编程
长报告与研究综述 多份材料交叉、一次成稿 百万输出、推理
合同与合规审查 整套文档比对 长上下文
复杂方案论证 多方案权衡、风险评估 深度推理
图表与截图分析 图文混合输入 原生视觉
知识库深度问答 长材料精准定位 上下文缓存
高频轻量问答 不建议 成本与延迟都不优

详情👉访问阿里云百炼大模型服务平台页面 了解。
image.png
bailian1.png
bailian2.png

五、计费解析:三个单价,输出是大头

计费单位为元/百万 Token,三个价格位:

地域 输入 输出 输入(缓存命中)
华北2(北京)/全球 20 元 100 元 2 元
国际(新加坡等) 21.875 元 109.376 元 2.188 元

限流(kimi/kimi-k3 入口):RPM 500、TPM 3,000,000。

三个必须记住的结论:

第一,输出是输入的 5 倍。 100 元 vs 20 元。这条决定了成本结构——长输出比长输入贵得多。而 K3 又只有思考模式,思维链本身也算输出。一次"想得很久、答得很长"的调用,账单会明显高于直觉。

第二,缓存命中是 1/10。 命中价 2 元,未命中 20 元,差 10 倍。长上下文任务里,同一份材料反复携带是常态,缓存命中率直接决定成本量级。这是它最重要的省钱杠杆,没有之一。

第三,没有免费额度。 价格表明确标注 kimi-k3 无免费额度(同系列的 kimi-k3.1-pro 有输入输出合计 100 万 Token 的免费额度)。想白嫖试用的,应先用有额度的型号,或看控制台的活动说明。

顺带做个横向对照,方便判断性价比:

模型 输入 输出 缓存命中 免费额度
kimi-k3 20 元 100 元 2 元 无
kimi-k3.1-pro 13 元 68 元 1.3 元 100 万 Token
kimi-k2.7-code 6.5 元 27 元 — 100 万 Token
kimi-k2.5 4 元 21 元 — 无

单看价格,K3 是这一档里最贵的;但它的对标是"能不能一次装下整套材料",而不是"每百万 Token 多几块钱"。

省钱的五个实招:

  • 把稳定前缀放最前:长材料进 system 或首条消息,才可能命中缓存。
  • 限制输出:设 max_tokens,要求要点式、结构化输出,别让模型写散文。
  • 任务分级:简单任务走便宜档位,K3 只留给"必须长上下文+深推理"的活。
  • 按需给思考深度:能调 reasoning_effort 的入口,简单问题降档。
  • 控制重试:思考模式下重试成本高,先把输入准备好再发起。

详情👉访问阿里云百炼大模型服务平台页面 了解。
image.png
bailian1.png
bailian2.png

六、接入示例

百炼上按 OpenAI 兼容协议调用:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DASHSCOPE_API_KEY"],
    base_url="[https://dashscope.aliyuncs.com/compatible-mode/v1](https://dashscope.aliyuncs.com/compatible-mode/v1)",
)
resp = client.chat.completions.create(
    model="kimi-k3",
    messages=[
        {
   "role": "system", "content": "<把长代码库或整套文档放这里,稳定前缀利于命中缓存>"},
        {
   "role": "user", "content": "这份设计文档有哪些落地风险?按严重程度排序,给出验证方法"},
    ],
    max_tokens=8192,      # 输出按 100 元/百万 Token 计费,务必设上限
)
print(resp.choices[0].message.content)

结构化输出,适合把长材料转成字段化结论:

resp = client.chat.completions.create(
    model="kimi-k3",
    messages=[{
   "role": "user", "content": "从这份合同抽取关键条款,按 JSON 输出"}],
    response_format={
   "type": "json_object"},
)

图文混合输入:

resp = client.chat.completions.create(
    model="kimi-k3",
    messages=[{
   "role": "user", "content": [
        {
   "type": "text", "text": "这张架构图里有哪些单点故障?"},
        {
   "type": "image_url", "image_url": {
   "url": "[https://example.com/arch.png](https://example.com/arch.png)"}},
    ]}],
)

详情👉访问阿里云百炼大模型服务平台页面 了解。
image.png
bailian1.png
bailian2.png

七、使用注意事项

第一,认准模型 ID。kimi-k3 与 kimi/kimi-k3 的推理服务供应商不同,限流与能力标注可能有差异,混用会出问题。

第二,思考模式不是"可选加速"。它只有思考模式,所以延迟天然偏高,交互式产品上线前必须压测首字时间。

第三,输出预算要设死。思维链与回答共享输出预算,不设上限等于放开账单。

第四,长上下文要靠缓存省钱。没有缓存命中,20 元/百万 Token 的输入价在长材料场景下会迅速累积。

第五,视觉能力需实测。原生支持不等于所有截图都准,表格密集、手写体、低分辨率是常见薄弱点。

第六,处理合同、财报、代码等敏感材料时,确认数据流转与合规边界;能力可用不等于数据处理合规。

结语

Kimi-K3 的取向很明确:用架构换容量——KDA 混合线性注意力压住长上下文的成本,注意力残差保住超大模型的有效深度,百万输入对百万输出让"整份材料进、整份成果出"成立。它的代价同样明确:只有思考模式、输出单价是输入的 5 倍、没有免费额度。判断是否值这个价,只需看任务形态:是"读很多、想很深、写很长",还是"问一句、答一句"。 前者值,后者不值。

來源:阿里雲開發者社區 AI · developer.aliyun.com