7 月 17 日，月之暗面在 WAIC 前夕发布 Kimi K3：2.8 万亿参数 MoE 模型，896 个专家每次只激活 16 个，原生支持文本/图像/视频，100 万 token 上下文——全球首个开源逼近 3 万亿级别的模型。它的定位很明确：长程编程、知识工作、深度研究，并在 Agent Swarm 模式下可并行最多 300 个子代理，一段提示词产出 104 页带引用的调研报告。
🚀 本教程适合：想用 K3 做编程 Agent、知识工作 Agent，或体验「Agent Swarm 并行研究」的新手与进阶用户。我们讲清四端入口、API 定价、思考强度与 Agent Swarm 实战写法。
先搞懂：K3 是谁、强在哪
K3 是 K2.5 的全面升级，围绕「长任务 Agent」专项优化——架构上做了三件事：
| 维度 | K3 数据 | 对你的意义 |
|---|---|---|
| 参数规模 | 2.8T（MoE，激活 16/896） | 开源模型规模上限，长程推理更稳 |
| 上下文 | 1M token | 整仓代码库 / 长报告一次读入 |
| 多模态 | 原生文本/图像/视频 | 读图表、看截图、审视频，无需外挂 OCR |
| 编程 | SWE-bench Verified 80.2% | 开源模型编程第一梯队 |
| Agent | Swarm 300 子代理 / ~4000 步 | 并行研究、并行写作 |
| 持续运行 | 48 小时稳定会话 | 长任务不中途掉链 |
注意版本节奏：K3 于 7 月 17 日发布，完整权重 7 月 27 日开源（Hugging Face / 自定义「Kimi K3 License」）。发布当天只能走 API 与官方客户端。
Step 1：四个入口——选对入口再开始
1 Web / App / Work / Code / API
K3 的可用入口：
1. kimi.com（Web）
· 日常对话与深度研究
· 模式选择：
Deep Research / Slides /
Docs / Sheets / Swarm
2. Kimi 手机 App
· 多模态输入（拍照/视频）
· 随身知识工作
3. Kimi Work 桌面客户端
· 文档/表格/演示一体
· Office Agent 直出
Word/Excel/PPT/PDF
4. Kimi Code
· 编程场景专用
· 长程编程 Agent
5. Kimi API（开发者）
· https://api.moonshot.cn/v1
· OpenAI 兼容接口
· 接自有 Agent 工作流
建议：
· 纯体验 → Web / App
· 办公产出 → Work
· 编程 → Code
· 自建 Agent → API💡 多端数据互通：Web 上的对话可以在 App 接着聊。把「重任务」放 Work/Code 客户端，「随手查」放手机。
Step 2：API 接入与定价——缓存命中省 90%
2 开发者的接入姿势
API 定价（每百万 token）：
· 输入（未命中缓存）：$3.00
· 输入（命中缓存）：$0.30
——省 90%，三家国产旗舰
中缓存优惠最大
· 输出：$15.00
接入要点：
· OpenAI 兼容端点：
https://api.moonshot.cn/v1
· 计费口径：系统提示词 +
对话历史 + 附件都算 token
· 长文档/重复上下文场景：
务必开缓存，收益显著
缓存优化姿势：
1. 把不变的系统提示词
放在最前（命中缓存）
2. 重复文档预处理为
稳定前缀
3. 长会话复用同一
上下文缓存
与
《分层路由降本》
《前缀缓存》
结合：把「热上下文」
固定住，冷任务走便宜模型输出定价不低（$15/M）：长程编程动辄几万 token 输出，预算敏感场景建议配合思考强度调节与输出上限控制。
Step 3：思考强度——low / high / max 怎么选
3 用思考强度换「速度与预算」
K3 默认思考强度为 max
（极致），后续提供三档：
· low：快速作答
适合：简单问答、格式转换、
低风险任务
成本：最低，输出更快
· high：平衡
适合：日常编程、常规
知识工作
· max：极致推理
适合：复杂算法、多步
规划、数学证明、
高价值代码审查
成本：最高
选档口诀：
· 任务复杂度低 → low
· 常规工作 → high
· 高风险/高价值 → max
注意：思考强度影响的是
「思考预算」，不改变
能力上限——用错了只是
浪费钱或欠思考
与
《思考级别调优》
的做法一致：先跑 low 看
结果质量，不够再升级💡 团队可约定默认档位：代码评审用 max、周报总结用 high、聊天回复用 low——按任务价值分配思考预算，成本可降一半以上。
Step 4：Agent Swarm——300 个子代理并行干活
4 「临时公司」模式上手
Agent Swarm 原理：
· 编排器模型拆解任务
· 启动数十到数百个
专业子代理并行工作
· 各自研究/核查/起草
· 编排器汇总为成品
经典案例：一个提示词
产出 104 页带引用的
文献综述（Word/PDF
直出），全程无需干预
写作要点（决定成败）：
1. 任务要具体
✗「研究电动车」
✓「对比 2026 Q2 印度与
美国前五 EV 厂商销量，
逐条注明来源，输出 PDF」
2. 明确产出格式
· 指定文件类型
（Word/PDF/表格/幻灯片）
· 指定篇幅与结构
3. 说明约束
· 数据时效（如「截至
2026-08」）
· 来源数量与权威性
运行形态：
· 界面显示子代理动态
· 长任务最多约 40 分钟
· 可关闭标签页稍后回看
与
《多 Agent 羊群效应》
《群体安全》
对照：并行规模越大，
越要防「互相抄答案」Swarm 是重武器不是玩具：任务越模糊，并行子代理越容易各自跑偏。写不清需求，就不要开 Swarm——先单模型聊清楚，再放大规模。
Step 5：长程编程与知识工作——场景清单
5 K3 最适合的六类任务
1. 大仓代码评审
· 1M 上下文整仓读入
· 架构梳理 / 依赖分析 /
潜在 bug 定位
2. 文档批量处理
· 混合媒体（文字/表格/
截图）理解
· 证据、假设、不确定性
可追溯
3. 深度研究
· Deep Research 模式
· 多源检索 + 交叉验证 +
引用标注
4. 办公产出
· Office Agent：Word 批注、
带透视表的财务模型、
LaTeX 公式
· 直出 PPT/Excel/PDF
5. Agent 编排底座
· 2.8T 模型当编排器
· ClawHub Skills 5000+
技能库按需调用
6. 端侧/私有化验证
· 7-27 起权重开源
· 企业可自托管（见
Step 6）
不适合：
· 高频短对话（成本高）
· 预算紧张的简单任务💡 从「一件 20 分钟以上的知识工作」开始体验（如月度行业综述），对比 K3 与旧模型的产出质量与引用可追溯性——这才是它值钱的地方。
Step 6：开源权重与本地部署展望
6 开源了，然后呢？
开源信息：
· 完整权重：2026-07-27 发布
· 平台：Hugging Face / ModelScope
· 许可：自定义「Kimi K3 License」
· 生态协作：与推理伙伴、
开源维护者对齐技术细节
本地部署的现实考量：
· 2.8T 总量 / 16 专家激活：
激活参数量约 104B/次
（与 261 号教程 Muse Glimmer
30B 端侧路线不同量级）
· 单卡跑不动 → 集群/量化/
蒸馏或走 API
· 企业私有化：模型网关 +
量化部署，参考
《本地 Ollama Agent》
《Qwen 本地部署》
务实路线：
· 个人/小团队：API 优先
（缓存命中后成本可控）
· 企业：先 API 验证效果，
再评估私有化成本收益
· 离线/合规场景：等社区
量化与蒸馏生态成熟别被「开源」冲昏头：开源的是权重，不是「免费算力」。2.8T 模型跑起来的算力成本与运维复杂度，比 API 账单更考验预算。
常见问题速查
| 你遇到的现象 | 大概率原因 & 解决 |
|---|---|
| Swarm 跑偏 | 任务不够具体：写清对比维度、来源要求、产出格式再开 Swarm |
| 账单偏高 | 开上下文缓存 + 思考强度降档：简单任务用 low/high，别一律 max |
| 长文档记不住 | 1M 上下文也有限：关键信息放前缀，重复内容走缓存命中 |
| 想本地部署 | 评估激活参数与算力：个人先 API，企业评估量化/集群后再定 |
| 多模态输入报错 | 确认入口支持：图像/视频输入在支持多模态的客户端与 API 使用 |