Databricks 集成 Moonshot Kimi K3：开源模型性能媲美闭源顶尖模型，成本减半

模型规格

Kimi K3 是一款稀疏混合专家（MoE）模型，已确认的规格如下 ：

• 总参数量： 2.8 万亿
• 每个 Token 激活参数量： 1040 亿
• 架构： 稀疏 MoE，包含 896 个专家，每个 Token 激活 16 个，外加 2 个共享专家
• 上下文窗口： 1,048,576 个 Token（即 100 万）
• 模态： 文本及原生视觉（图片和视频）
• 架构创新： Kimi Delta Attention（KDA）、Attention Residuals（AttnRes）以及 Stable LatentMoE 框架

Moonshot 将 K3 称为“全球首个开源的 3T 级模型” 。其开源权重已于 2026 年 7 月 27 日发布，采用修改版 MIT 许可证 。

Artificial Analysis 智能指数排名

在独立的 Artificial Analysis 智能指数（v4.1）上，Kimi K3 的标准配置得分为 57，“最大”配置得分为 60 。其排名如下 ：

• 在所有测试模型中总体排名第 3 或第 4，具体取决于配置
• 在开源权重模型中排名第一（排名最接近的开源模型为 GLM-5.2，得分 51）
• 落后于： Claude Fable 5（约 60）和 GPT-5.6 Sol（约 59）
• 领先于： Claude Opus 4.8（约 56）、GPT-5.5、DeepSeek V4 Pro（44）以及 GLM-5.2（51）

该指数综合了九项评估，包括 GDPval-AA v2、Terminal-Bench 2.1、SciCode、人类最后的考试（Humanity's Last Exam）、GPQA Diamond 以及长上下文推理 。在特定基准测试中，Kimi K3 在 Frontend Code Arena 排行榜上排名第一，在 AA-Briefcase（Agent 知识工作）排行榜上排名第二，仅次于 Fable 5 。

与闭源模型的成本对比

与闭源竞品相比，Kimi K3 具有显著的成本优势 ：

• 每智能指数任务成本： 约 0.94 美元
• 约为 Claude Opus 4.8（最大推理，1.80 美元）成本的一半
• 与 GPT-5.6 Sol（最大，1.04 美元）成本相近
• Databricks 报告： 与闭源领导者相比，每任务成本低 50%–72%
• API 定价： 输入每百万 Token 约 3.00 美元，输出每百万 Token 约 15.00 美元

正如 Databricks CEO Ali Ghodsi 向 CNBC 所言，K3 在基准测试性能与成本效益上的结合，使得此前成本高昂的 Agent 工作负载——例如持续编码 Agent 或大规模文档处理——对企业来说变得经济可行 。

Unity AI Gateway 企业治理与成本控制

Unity AI Gateway 为管理企业级 AI 的平台团队提供了一个统一控制平面。适用于 Kimi K3 的关键功能包括 ：

• 细粒度访问权限和针对模型输入输出的安全护栏
• 完整的审计追踪和所有模型调用的运行时可观测性
• AI 支出控制——跨用户、工作区、用例及整个账户的主动预算警报，结合 Unity Catalog 系统表和 Databricks 预算
• 跨模型、Agent 和 MCP 服务器的速率限制和流量路由
• 硬性支出上限，当预算用尽时停止请求
• Databricks 上 Kimi K3 的零数据保留（ZDR）
• 通过同一策略框架对开源权重和闭源模型的统一治理

同一周，Unity AI Gateway 正式全面上市，统一了跨企业大语言模型、MCP 服务器和编码 Agent 的支出管理、速率限制和访问控制 。

更广泛的趋势：开源差距正在迅速缩小

Databricks 将 Kimi K3 的集成视为开源权重与闭源 AI 模型之间差距正在迅速缩小的证据 。该公司指出，一年前，最好的开源模型与闭源模型之间还存在巨大差距——但如今，像 Kimi K3 这样的开源模型在基准测试性能上已能与闭源领导者相匹敌，同时提供显著更低的成本和更大的灵活性 。

据 Databricks 称，这一转变使企业能够采用混合 AI 策略，在一个统一治理的平台上混合使用开源和闭源模型。该公司强调，企业现在拥有了真正的选择权——能够为每个任务路由到最具成本效益的模型，而无需牺牲性能或治理能力 。