Kimi K3
月之暗面推出的全球最大开放权重模型，拥有2.8万亿参数，支持100万token超长上下文窗口，采用MoE架构，专注长周期软件工程场景
核心事实
时间轴 (近 90 天)
使用 wallaby-ai-provider 调用 Kimi K3 需要 Wallaby Token 账户和 API Key，以及 Node.js 18 或更高版本，并通过 npm install wallaby-ai-provider ai 安装。
Kimi K3 采用开放权重发布形态，与开源并不完全等同，训练数据、训练代码和许可证条款可能并不开放。
wallaby-ai-provider 是一个第三方 npm 包，可以让用户在 Vercel AI SDK 中调用 Kimi K3。
Wallaby 的每百万 token 定价为：输入 $2.70、缓存输入 $0.27、输出 $13.50；官方列表价为：输入 $3.00、缓存输入 $0.30、输出 $15.00。
Kimi K3 并不在 Vercel AI SDK 的官方模型目录里。
Wallaby 的三档价格均低于官方列表价约 10%。
在 Vercel AI SDK 中，模型 ID 必须严格是 kimi-k3，否则会报 'model not found' 错误。
一次使用 wallaby('kimi-k3') 的 generateText 调用真实执行时消耗了 92 个输入 token 和 117 个输出 token。
一次使用 streamText 的调用消耗了 103 个输入 token 和 1859 个输出 token，费用为 0.0254 美元，按 (103 × $2.70 + 1859 × $13.50) ÷ 1,000,000 计算。
Kimi K3 是国内大模型在法律垂直领域的重要选手。
还有 40 条时间轴事件
全部知识事实 (20)
Kimi K3由月之暗面（Moonshot AI）开发
75%已验证Kimi K3 采用 MoE 混合专家架构，配置896个专家，每次激活16个
75%已验证在 DeepSWE 1.1 编码基准上，Mistral Large 4 Preview 得分 62，位列第二，仅次于 Kimi K3 搭配 Kimi Code CLI 的 68 分
65%已验证Kimi发布的K3大模型参数规模接近3万亿（2.8万亿）
65%已验证Kimi K3支持100万token的超长上下文窗口
65%已验证月之暗面（Moonshot AI）由杨植麟于2023年创立，其Kimi系列以支持超长上下文著称，早期即具备200万字上下文处理能力
65%已验证月之暗面（Moonshot AI）推出的Kimi K3拥有2.8万亿（2.8T）参数，是目前全球最大的开放权重模型
80%已验证Moonshot AI推出了2.8万亿参数的巨型开源模型Kimi K3，采用MoE架构
65%已验证月之暗面科技发布了全新的Kimi K3大模型，据称一经推出便登顶评测榜首
65%待验证vLLM v0.27.0 对 Kimi K3 模型提供完整全栈支持，所有相关组件在同一版本中一次性落地
70%待验证模型剪枝可去除冗余参数以降低显存占用和计算量
60%待验证2.8T参数模型采用4-bit量化后，权重体积可能达到1.4TB以上
60%待验证Kimi K3采用混合专家架构（MoE），推理时只激活部分参数子网络以降低计算成本
60%待验证Wallaby 的三档价格均低于官方列表价约 10%。
50%待验证wallaby-ai-provider 是一个第三方 npm 包，可以让用户在 Vercel AI SDK 中调用 Kimi K3。
50%待验证Kimi K3 并不在 Vercel AI SDK 的官方模型目录里。
50%待验证Kimi K3 采用开放权重发布形态，与开源并不完全等同，训练数据、训练代码和许可证条款可能并不开放。
50%待验证使用 wallaby-ai-provider 调用 Kimi K3 需要 Wallaby Token 账户和 API Key，以及 Node.js 18 或更高版本，并通过 npm install wallaby-ai-provider ai 安装。
50%待验证Wallaby 的每百万 token 定价为：输入 $2.70、缓存输入 $0.27、输出 $13.50；官方列表价为：输入 $3.00、缓存输入 $0.30、输出 $15.00。
50%待验证在 Vercel AI SDK 中，模型 ID 必须严格是 kimi-k3，否则会报 'model not found' 错误。
50%