Kimi K3
9095°
รันโมเดลนี้
ข้อเสนอ / โฆษณา
MoonshotAI | 1,048,576 token context | $0.30/M input, $11.94/M output. Kimi K3 is a 2.8T parameter open-weight multimodal reasoning model from Moonshot AI. It is suited for complex coding, knowledge work, and long-horizon agentic workflows, and is particularly strong at navigating large repositories, using tools, debugging, and iterating against images, logs, tests, and runtime feedback. Its architecture uses KDA and Attention Residuals for computational efficiency.
คู่มือสำหรับโมเดลนี้
น้ำหนักเปิด vs โอเพนซอร์ส vs API-only: สิ่งที่คุณทำได้จริงๆ
วิธีเลือกโมเดล AI ในเดือนตุลาคม 2026: ข่าวสารโมเดลปิด แล้วโมเดลเปิดที่ควรดาวน์โหลด
LLM ท้องถิ่นที่ดีที่สุดตามการใช้งาน (ตุลาคม 2026): โมเดลเปิดที่เหมาะกับทุกงาน
ฉันต้องการ VRAM เท่าไหร่สำหรับ AI ท้องถิ่นจริงๆ?
วิธีติดตั้ง Ollama และใช้งาน AI แบบออฟไลน์ (Windows, Mac, Linux)
ไฟล์ GGUF คืออะไร? อธิบายโมเดลควอนไทซ์ (Q4, Q8, fp8, NF4)
บันทึกของกัปตัน
บันทึกจาก 2026-10-13
Kimi K3 เป็นโมเดล reasoning แบบมัลติโมดัลที่เปิดน้ำหนักจาก Moonshot AI มีพารามิเตอร์ 2.8 ล้านล้านตัว สร้างบนสถาปัตยกรรม KDA และ Attention Residuals ใหม่ล่าสุด โดยเปิดใช้งาน 104B พารามิเตอร์ต่อโทเค็น รองรับข้อความ, รูปภาพ และวิดีโอในบริบทขนาดหนึ่งล้านโทเค็น มุ่งเป้าไปที่งาน agentic ระยะยาว: การเขียนโค้ดหลายขั้นตอน, การนำทางฐานข้อมูลขนาดใหญ่ และเวิร์กโฟลว์วิจัยที่ใช้เครื่องมือจำนวนมาก หากคุณต้องการโมเดลเปิดน้ำหนักระดับแนวหน้าสำหรับงานวิศวกรรมหรือความรู้ที่จริงจัง นี่คือโมเดลที่ควรประเมิน
เป็นที่รู้จักสำหรับ
- รองรับการเขียนโค้ด agentic ระยะยาวในฐานข้อมูลขนาดใหญ่โดยแทบไม่ต้องดูแล
- มัลติโมดัลแท้: เข้าใจข้อความ, รูปภาพ และวิดีโอในโมเดลเดียว
- บริบทขนาดหนึ่งล้านโทเค็นสำหรับงานเอกสารและฐานโค้ดยาวๆ
- สถาปัตยกรรม MoE 2.8T พารามิเตอร์ เปิดใช้งาน 104B ต่อโทเค็นสำหรับ reasoning ระดับแนวหน้า
- น้ำหนักเปิดเผยโดย Moonshot AI สำหรับการวิจัยและใช้งาน
ระวัง
- เอาต์พุตมีราคาที่ $10.00 ต่อหนึ่งล้านโทเค็น — ค่าใช้จ่ายจะเพิ่มขึ้นอย่างรวดเร็วในลูป agentic ยาวๆ
- ด้วยพารามิเตอร์ 2.8T การติดตั้งใช้งานในเครื่องต้องใช้ฮาร์ดแวร์ระดับสูง; ผู้ใช้ส่วนใหญ่จะใช้ผ่าน API
- น้ำหนักปล่อยภายใต้ใบอนุญาต Kimi K3 ซึ่งไม่ใช่ใบอนุญาตโอเพนซอร์สมาตรฐาน — ควรตรวจสอบเงื่อนไขก่อนใช้งานเชิงพาณิชย์
คำสั่งที่ควรลอง
แก้บั๊กชุดทดสอบที่ล้มเหลว
ผมมีรีโพซิทอรี Python ที่การทดสอบ integration ล้มเหลวหลังจากรีแฟกเตอร์ล่าสุด นี่คือบันทึกข้อผิดพลาดและไฟล์ที่เกี่ยวข้อง ช่วยระบุสาเหตุหลัก ติดตามในฐานโค้ด และเสนอวิธีแก้ไขที่น้อยที่สุดพร้อมคำอธิบายว่าทำไมการเปลี่ยนแปลงเดิมถึงทำให้ทดสอบล้มเหลว
วิเคราะห์การออกแบบระบบ
ออกแบบบริการจำกัดอัตราสำหรับ API สาธารณะที่ต้องรองรับ 50,000 คำขอต่อวินาที รองรับข้อจำกัดต่อผู้ใช้และต่อ endpoint ลดระดับอย่างนุ่มนวลเมื่อ Redis ล้มเหลว และเพิ่มความหน่วง p99 ไม่เกิน 2ms อธิบายการตัดสินใจด้านสถาปัตยกรรมและการแลกเปลี่ยนที่ทำในแต่ละขั้นตอน
วิเคราะห์ภาพหน้าจอหาข้อบกพร่อง
ผมแนบภาพหน้าจอแดชบอร์ดเว็บแอปมา แผนภูมิในแผงด้านบนขวาแสดงผลผิดพลาด—แท่งกราฟทับซ้อนกันและป้ายแกนถูกตัด ช่วยวินิจฉัยว่า CSS หรือการตั้งค่าห้องสมุดแผนภูมิใดเป็นสาเหตุ และให้การตั้งค่าที่แก้ไขแล้ว
เปรียบเทียบกับ
- Kimi Latestโมเดลสำหรับ API เท่านั้นบริบท 1,048,576 โทเค็น · ป้อน $0.29/M, ส่งออก $24.00/M
- Kimi K2 Thinkingโมเดลที่เปิดน้ำหนักบริบท 262,144 โทเค็น · ป้อน $0.60/M, ส่งออก $2.50/M
- Kimi K2.7 Codeโมเดลที่เปิดน้ำหนักบริบท 262,144 โทเค็น · ป้อน $0.67/M, ส่งออก $3.35/M
- Kimi K2.5โมเดลที่เปิดน้ำหนักบริบท 262,144 โทเค็น · ป้อน $0.50/M, ส่งออก $2.50/M
โมเดลข้อความเพิ่มเติมจาก moonshotai
คำถามที่คนถาม
- น้ำหนัก Kimi K3 เปิดเผยและฉันสามารถรันในเครื่องได้ไหม?
- ใช่ Moonshot AI ได้ปล่อยน้ำหนักโมเดลทั้งหมดสู่สาธารณะ คุณสามารถดาวน์โหลดและโฮสต์เองได้ แต่ด้วยพารามิเตอร์ 2.8T คุณจะต้องใช้ฮาร์ดแวร์ที่มีประสิทธิภาพสูง ผู้ใช้ส่วนใหญ่จึงมักใช้ผ่าน API มากกว่ารันในเครื่อง
- Kimi K3 มีค่าใช้จ่ายเท่าไหร่และบริบทขนาดเท่าไร?
- ผ่าน API ราคาอยู่ที่ $0.73 ต่อหนึ่งล้านโทเค็นอินพุต และ $10.00 ต่อหนึ่งล้านโทเค็นเอาต์พุต โดยมีบริบทขนาด 1,048,576 โทเค็น—มากกว่าหนึ่งล้านโทเค็นเล็กน้อย
- Kimi K3 แตกต่างจากโมเดล reasoning แนวหน้าอื่นอย่างไร?
- เป็นโมเดลแรกในระดับ 3T พารามิเตอร์ที่เปิดเผยสู่สาธารณะ ใช้สถาปัตยกรรม KDA และ Attention Residuals ใหม่ และออกแบบมาโดยเฉพาะสำหรับเวิร์กโฟลว์ agentic ระยะยาวที่รองรับการมองเห็นโดยตรง แทนที่จะเป็นโมเดลแชททั่วไปที่เพิ่ม reasoning เข้าไป
คำตัดสินของกัปตันโมเดลเปิดน้ำหนักที่มีความสามารถสูงสุดในตอนนี้ สร้างมาเพื่อเอเจนต์และงานวิศวกรรมที่จริงจัง—แต่ราคาค่าเอาต์พุตจะสูงถ้าใช้งานนาน
บัตรโมเดลบน Hugging Face
กัปตันเขียนบันทึกเหล่านี้จากคำอธิบายและบัตรโมเดลของโมเดล ราคากับขนาดบริบทเป็นของผู้ให้บริการในเวลาที่เขียนและอาจเปลี่ยนแปลงได้
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #16 Hottest Text / LLM model · #16 Hottest Text / LLM text model
Not this creator?
Get your own badge
แนวโน้มความนิยมของ Kimi K3
คะแนนความร้อนตั้งแต่ 16 Jul 2026
คะแนนความนิยม
9,095°
สัปดาห์นี้
▲
23.9%
9,067° ตอนนั้น, 9,095° ตอนนี้
เดือนนี้
▲
189%
8,954° ตอนนั้น, 9,095° ตอนนี้
ปีที่ผ่านมา
n/a
ยังไม่ปล่อย/ติดตาม
7,000°
ค่าพื้นฐาน
มาตรวัดมีช่วงตั้งแต่ 0° ถึง 9,999° ทุกอย่างต่ำกว่า 7,000° จะเก็บไว้สำหรับโมเดลที่ยังไม่มีแหล่งข้อมูลรายงาน ซึ่งใช้ตัวเลขแทนที่ตรงนั้นเพื่อให้รายการครบถ้วน 7,000° คือจุดเริ่มต้นของข้อมูลที่วัดได้: โมเดลที่มีข้อมูลจริงแต่แทบไม่มีการดาวน์โหลดจะอยู่ที่ค่าพื้นฐานนี้ และการวัดจะเติมองศาเพิ่มขึ้นด้านบน ค่าพื้นฐานไม่ได้บอกอะไรเกี่ยวกับโมเดลเลย; มีแค่องศาที่เพิ่มขึ้นด้านบนเท่านั้นที่บอกความแตกต่างระหว่างโมเดลแต่ละตัว
+1,767°
โทเค็น OpenRouter
โมเดลนี้ประมวลผลโทเค็น 7,787,431,365,488 ผ่าน OpenRouter ใน 30 วันที่ผ่านมา รวมคำสั่งและคำตอบ ทุก 10,000,000 โทเค็นนับเป็นการดาวน์โหลดหนึ่งครั้งในช่วงเวลาการดาวน์โหลด รวมทั้งหมด 778,743 โทเค็น โทเค็นของวันล่าสุดจะถูกนำมาคิดในอัตราการใช้งาน แหล่งข้อมูล: OpenRouter (openrouter.ai/rankings).
+328°
อัตราการนำไปใช้
ประมาณ 23,609 ดาวน์โหลดต่อวัน วัดจากการอ่านข้อมูลสองครั้งจากแหล่งข้อมูล ไม่ได้คาดเดาจากค่าเฉลี่ยตลอดอายุการใช้งาน ความเร็วมีน้ำหนักเป็นหนึ่งในสี่ของส่วนดาวน์โหลด ดังนั้นการเพิ่มขึ้นอย่างรวดเร็วจะแสดงออกโดยไม่ให้การพุ่งขึ้นในวันเดียวแซงหน้าการใช้งานหลายปี
แสดงรายละเอียด
ทุกตัวเลขบนเว็บไซต์นี้ตรวจสอบได้ คะแนนความนิยมของโมเดลนี้คือ 9,095° และนี่คือการสร้างคะแนนทีละส่วน พร้อมยอดรวมที่เพิ่มขึ้นหลังจากแต่ละส่วน: ค่าพื้นฐาน, จำนวนองศาที่แต่ละแหล่งข้อมูลเพิ่ม, โบนัสสำหรับประเภทของโมเดล และการลดคะแนนตามอายุของน้ำหนัก สีต่างๆ คือช่วงของกราฟด้านบน คำศัพท์ท้ายบทความอธิบายคำทุกคำ
- 1เริ่มที่ค่าพื้นฐานทำไมต้อง 7,000° ไม่ใช่ศูนย์: มาตรวัดมีช่วงตั้งแต่ 0° ถึง 9,999° ส่วนที่ต่ำกว่า 7,000° ถูกสงวนไว้สำหรับโมเดลที่ยังไม่มีแหล่งข้อมูลรายงาน ซึ่งใช้ตัวเลขแทนที่ตรงนั้นเพื่อให้รายการครบถ้วนและไม่แซงหน้าโมเดลที่มีข้อมูล 7,000° คือจุดเริ่มต้นของข้อมูลที่วัดได้ โมเดลที่มีข้อมูลจริงแต่แทบไม่มีดาวน์โหลดจะอยู่ที่นี่ ทุกอย่างที่ตามมาคือการวัด และพื้นที่ด้านบนค่าพื้นฐานมีสิบขั้นตอนดาวน์โหลดที่เพิ่มขึ้นสิบเท่าที่ 300° ต่อขั้น ค่าพื้นฐานเหมือนกันสำหรับทุกโมเดล ดังนั้นมันจึงไม่ตัดสินอะไร; องศาที่เพิ่มขึ้นด้านบนต่างหากที่ตัดสิน7,000°ยอดรวมที่กำลังคำนวณ
- 2เพิ่มจำนวนการดาวน์โหลด778,743 เทียบเท่าการดาวน์โหลดทั้งหมด จาก โทเค็น OpenRouter การดาวน์โหลดเพิ่มขึ้นสิบเท่าจะเพิ่ม 300° เท่ากัน ดังนั้นขนาดจึงสำคัญแต่ไม่ใช่ทุกอย่าง+1,767°8,767°ยอดรวมที่กำลังคำนวณ
- 3เพิ่มอัตราการนำไปใช้ประมาณ 23,609 การดาวน์โหลดต่อวันตอนนี้ วัดจากความต่างระหว่างสองครั้งที่อ่านข้อมูล น้ำหนักเป็นหนึ่งในสี่ของการดาวน์โหลด+328°9,095°ยอดรวมที่กำลังคำนวณ
- =คะแนนความร้อนตำแหน่งของโมเดลนี้ในทุกลิสต์ของเว็บไซต์นี้ ไม่มีอะไรปรับแต่งเพิ่มเติม9,095°
คำศัพท์: คำที่ใช้ที่นี่
- คะแนนความร้อน
- ตัวเลขเดียวที่บอกว่าโมเดลถูกใช้และต้องการมากแค่ไหนตอนนี้ ตั้งแต่ 0° ถึง 9,999° ทุกลิสต์ที่บอกว่าร้อนแรงที่สุดจะเรียงตามคะแนนนี้เท่านั้น
- พื้นฐาน
- 7,000° คือจุดเริ่มต้นของทุกโมเดลที่มีข้อมูลจริง สเกลตั้งแต่ 0° ถึง 9,999° ส่วนที่ต่ำกว่าพื้นฐานสงวนไว้สำหรับตัวแทน (โมเดลที่ไม่มีข้อมูล) เพื่อให้โมเดลที่มีข้อมูลอยู่เหนือกว่า พื้นฐานเหมือนกันสำหรับทุกคนและไม่ตัดสินอะไร คะแนนที่สูงกว่าพื้นฐานคือการวัดผล
- เทียบเท่าการดาวน์โหลด
- ทุกอย่างที่คะแนนนับเป็นการดาวน์โหลด รวมกัน: การดาวน์โหลดจริง, ผู้แชร์แต่ละคนในทอร์เรนต์นับเป็น 1,000, ภาพ AI Horde แต่ละภาพ และแต่ละครั้งที่ใช้งานในเว็บไซต์สร้างภาพ
- สเกลลอการิทึม
- นับเป็นสิบ ไม่ใช่หน่วยเดียว: การเพิ่มจาก 1,000 เป็น 10,000 การดาวน์โหลดจะเพิ่มคะแนนเท่ากับการเพิ่มจาก 10,000 เป็น 100,000 เพื่อไม่ให้โมเดลใหญ่แย่งพื้นที่ทั้งหมด
- ไลก์
- การกดถูกใจและไลก์จากทุกแหล่ง มีค่าน้ำหนักครึ่งหนึ่งของการดาวน์โหลดในสเกลลอการิทึม
- อัตราการนำไปใช้
- จำนวนการดาวน์โหลดต่อวันที่โมเดลได้รับตอนนี้ วัดจากความต่างระหว่างสองครั้งที่อ่านข้อมูล น้ำหนักเป็นหนึ่งในสี่ของการดาวน์โหลด
- วัดได้และประมาณ
- วัดได้หมายถึงมีการอ่านค่าจากแหล่งที่มาสองครั้งและความแตกต่างนั้นเป็นของจริง ประมาณหมายถึงรู้แค่ยอดรวมของวันนี้เท่านั้น ส่วนอดีตจะถูกกระจายไปตามอายุของโมเดล; เว็บไซต์จะบอกว่ากำลังแสดงแบบไหน
- Seeder
- คนที่เก็บสำเนาน้ำหนักไว้บนออนไลน์เพื่อให้คนอื่นดาวน์โหลดผ่านทอร์เรนต์ หรือกระจกที่โฮสต์ทำแบบเดียวกัน แต่ละคนจะนับเป็น 1,000 ดาวน์โหลด
- AI Horde
- เครือข่ายอาสาสมัครที่สร้างภาพฟรีบนคอมพิวเตอร์ที่บริจาค จำนวนภาพที่สร้างด้วยโมเดลแต่ละตัวเป็นข้อมูลสาธารณะ และแต่ละภาพนับเป็นหนึ่งดาวน์โหลด
- เว็บไซต์สร้างภาพ
- เว็บไซต์ที่โฮสต์สำเนาโมเดลของตัวเองและให้คนสร้างภาพ เช่น PixAI, SeaArt และ Yodayo การดาวน์โหลดของพวกเขานับเหมือนกับ Civitai และแต่ละการสร้างภาพนับเป็นหนึ่งดาวน์โหลด
- โทเค็น OpenRouter
- โมเดลข้อความที่ให้บริการผ่าน API เช่น Claude หรือ GPT ไม่มีน้ำหนักให้ดาวน์โหลด ดังนั้นการใช้งานจะวัดจากโทเค็น: ชิ้นส่วนข้อความที่อ่านและเขียนผ่าน OpenRouter ซึ่งเป็นเกตเวย์ที่แอปหลายตัวใช้ใน 30 วันที่ผ่านมา ทุก 10,000,000 โทเค็นนับเป็นการดาวน์โหลดหนึ่งครั้ง แหล่งข้อมูล: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- โมเดลเต็ม (checkpoint)
- น้ำหนักโมเดลเอง ไฟล์ที่สร้างภาพได้ด้วยตัวเอง ได้รับโบนัสเพราะส่วนเสริมขึ้นอยู่กับมัน
- LoRA และ embedding
- ไฟล์เสริมขนาดเล็กที่ช่วยปรับน้ำหนักของคนอื่นให้ไปในสไตล์ ตัวละคร หรือแนวคิดเฉพาะ มันไม่สามารถทำงานได้เอง
- ตระกูลและน้ำหนัก
- ฐานที่โมเดลสร้างขึ้น เช่น SD 1.5, SDXL, Flux หรือ Wan โมเดลทุกตัวจะสืบทอดวันที่ปล่อยน้ำหนักของตระกูล
- อายุ
- ลดคะแนนตามระยะเวลาที่น้ำหนักของตระกูลถูกปล่อยออกมา: 150° ต่อปี สูงสุด 750° มันเก็บดาวน์โหลดเก่าที่สะสมมาหลายปีจากการแช่แข็งบนสุดของรายการ
- บูสต์ตระกูล
- แรงกระตุ้นเล็กๆ ที่จำกัดสำหรับ LoRA ของตระกูลที่เว็บไซต์นี้กำลังผลักดันอยู่ตอนนี้ จะแสดงในรายละเอียดเสมอ
- คะแนนสำรอง
- ตัวเลขที่มั่นคงต่ำกว่าค่าขั้นต่ำที่ให้กับโมเดลที่ยังไม่มีรายงานแหล่งที่มา เพื่อให้รายการครบถ้วน มันจะไม่จัดอันดับสูงกว่าโมเดลที่มีข้อมูล
- ใหม่! (ช่วงเวลาปลอดภัย)
- โมเดลที่มีอายุน้อยกว่า 7 วันจะแสดงคำว่า ใหม่! แทนคะแนนและจะไม่มีอันดับ โมเดลจะเริ่มคำนวณคะแนนตั้งแต่วันแรก แต่โมเดลที่อายุเพียงวันเดียวจะเติบโตเร็วที่สุด ดังนั้นถ้าไม่รอ โมเดลอันดับ #1 ของสัปดาห์จะเป็นโมเดลที่เพิ่งออกมาเมื่อวานแทนที่จะเป็นโมเดลที่อยู่ได้นานหนึ่งสัปดาห์
- แนวโน้ม
- การเติบโตของโมเดลในช่วงเวลาหนึ่งเทียบกับการเติบโตของโมเดลทั่วไปในช่วงเวลาเดียวกัน เร็วกว่าปกติหมายถึงเพิ่มขึ้น ช้ากว่าหมายถึงลดลง
- โมเดลทั่วไป
- จุดกึ่งกลางของแคตตาล็อก: ครึ่งหนึ่งของโมเดลที่มีตัวเลขเติบโตเร็วกว่าในช่วงเวลา ครึ่งหนึ่งช้ากว่า
ความนิยมของโมเดลนี้เปลี่ยนไปอย่างไรเมื่อเทียบกับแคตตาล็อกทั้งหมด: การเติบโตของการดาวน์โหลด ไลก์ และการใช้งานในแต่ละช่วงเวลา วัดเทียบกับการเติบโตเฉลี่ยของโมเดลทั่วไปในช่วงเวลาเดียวกัน พร้อมคะแนนความร้อนในเวลานั้น ถ้าอยู่เหนือการเติบโตเฉลี่ยคือเพิ่มขึ้น ต่ำกว่าคือถดถอย ข้อมูลในอดีตสร้างจากยอดรวมปัจจุบัน วันแรกของโมเดล และความเร็วดาวน์โหลดที่วัดได้ถ้ามีสองจุดข้อมูล โมเดลที่ยังไม่มีในช่วงเริ่มต้นจะแสดงเป็น n/a
Kimi K3 เป็นโมเดลข้อความสำหรับตระกูล Text / LLM ที่อยู่ใน ModelTrends.ai แคตตาล็อกแบบอ่านอย่างเดียวของโมเดล AI สร้างภาพ วิดีโอ และข้อความแบบโอเพนซอร์ส เปรียบเทียบกับโมเดล Text / LLM อื่น ๆ และดูคะแนนความร้อนแรงเพื่อติดตามเทรนด์
โมเดล Text / LLM เพิ่มเติมข้อความ / LLM Text / LLM เพิ่มเติมllmmoonshotaiวิสัยทัศน์วิดีโอการให้เหตุผลเขียนโค้ดเอเจนต์บริบทยาว
เรียกดูตามตระกูลโมเดล
โมเดล Text / LLM
434
โมเดล Anima
528
โมเดล Chroma
19
โมเดล Fibo
2
โมเดล Flux
1,496
โมเดล Flux 2 / Klein
1,239
โมเดล Flux 3
3
โมเดล Moss
3
โมเดล Iris
1
โมเดล MiniMax H3
364
โมเดล Hunyuan
204
โมเดล Ideogram
20
โมเดล Krea2
717
โมเดล Qwen
20
โมเดล Qwen2
47
โมเดล Ltx2
153