Databricks 導入 Kimi K3：開源權重模型性能媲美 GPT-5.6 與 Claude，成本僅一半

模型規格

Kimi K3 是一個稀疏混合專家 (MoE) 模型，已確認的規格如下 ：

• 總參數： 2.8 兆
• 活躍參數： 每個 token 啟動 1040 億個參數
• 架構： 稀疏 MoE，包含 896 個專家，每個 token 啟動 16 個專家，加上 2 個共享專家
• 上下文視窗： 1,048,576 個 token（100 萬）
• 模態： 文字與原生視覺（圖片和影片）
• 架構創新： Kimi Delta Attention (KDA)、Attention Residuals (AttnRes) 和 Stable LatentMoE 框架

Moonshot 將 K3 稱為「全球首個開源的 3T 級模型」 。其開放權重已於 2026 年 7 月 27 日根據修改後的 MIT 授權發布 。

Artificial Analysis 智能指數排名

在獨立的 Artificial Analysis Intelligence Index (v4.1) 上，Kimi K3 在標準配置下得分為 57，在「最大」配置下得分為 60 。其排名如下 ：

• 整體排名第 3 或第 4（取決於配置）
• 開源權重模型中排名第一（次佳的開源模型為 GLM-5.2，得分 51）
• 落後於： Claude Fable 5 (~60) 和 GPT-5.6 Sol (~59)
• 領先於： Claude Opus 4.8 (~56)、GPT-5.5、DeepSeek V4 Pro (44) 和 GLM-5.2 (51)

該指數結合了 9 項評估，包括 GDPval-AA v2、Terminal-Bench 2.1、SciCode、Humanity's Last Exam、GPQA Diamond 和長上下文推理 。在特定基準測試中，Kimi K3 在 Frontend Code Arena 排行榜上達到第一名，在 AA-Briefcase（代理知識工作）上排名第二，僅次於 Fable 5 。

與專有模型的成本比較

Kimi K3 相對於專有競爭對手具有顯著的成本優勢 ：

• 每智能指數任務成本： 約 $0.94
• 約為 Claude Opus 4.8（最大推理，$1.80）成本的一半
• 與 GPT-5.6 Sol（最大，$1.04）成本相近
• Databricks 報告稱，與專有領導者相比，每任務成本降低 50–72%
• API 定價： 每百萬輸入 token 約 $3.00，每百萬輸出 token 約 $15.00

正如 Databricks 執行長 Ali Ghodsi 向 CNBC 表示，K3 在基準測試性能和成本效益上的結合，使得以前成本過高的代理工作負載——例如持續編碼代理或大規模文件處理——對企業來說變得經濟可行 。

Unity AI Gateway 企業治理與成本控管

Unity AI Gateway 為管理企業 AI 的平台團隊提供了一個統一控制平面。適用於 Kimi K3 的關鍵功能包括 ：

• 細粒度的存取權限 和針對模型輸入與輸出強制執行的安全護欄
• 完整的審計追蹤 和所有模型呼叫的運行時可觀察性
• AI 支出控管 — 跨使用者、工作區、用例和整個帳戶的主動預算警報，並結合 Unity Catalog 系統表和 Databricks 預算
• 速率限制 和跨模型、代理程式及 MCP 伺服器的流量路由
• 硬性支出上限，在達到預算時停止請求
• Kimi K3 在 Databricks 上的零資料保留 (ZDR)
• 透過相同的政策框架 統一治理開源權重和專有模型

在同一週，Unity AI Gateway 達到正式上市 (GA)，統一了跨企業 LLM、MCP 伺服器和編碼代理的支出管理、速率限制和存取控制 。

更廣泛的趨勢：開源權重差距正在迅速縮小

Databricks 將 Kimi K3 的整合視為開源權重與專有 AI 模型之間的差距正在迅速縮小的證據 。該公司指出，一年前，最好的開源權重模型與專有模型相比仍有很大差距——但今天，像 Kimi K3 這樣的開源權重模型在基準測試性能上可與專有領導者匹敵，同時提供顯著更低的成本和更大的靈活性 。

根據 Databricks 的說法，這種轉變使企業能夠採用混合 AI 策略，在一個統一的受治理平台上混合使用開源權重和專有模型。該公司強調，企業現在擁有真正的選擇權——能夠將工作負載路由到每項任務最具成本效益的模型，而不會犧牲性能或治理能力 。