Kimi K3上架Amazon Bedrock，2.8 万亿参数开源模型落地

A5站长网9月19日消息，亚马逊云科技宣布，月之暗面的 Kimi K3 在 Amazon Bedrock 上正式可用。按官方说明，Kimi K3 是该公司的旗舰模型，也是首个参数规模达到 2.8 万亿的开源权重模型，原生具备视觉能力，上下文窗口为 100 万 Token。这个组合决定了它的目标场景：跨大型代码仓库的长程编码会话、包含扫描件与截图的文档分析，以及需要持续上下文的智能体工作流。

模型结构上，Kimi K3 采用 Moonshot AI 称为 Stable LatentMoE 的混合专家设计，896 个专家中激活 16 个，并从监督微调阶段起引入量化感知训练，权重使用 MXFP4、激活使用 MXFP8。按该公司口径，相对上一代 Kimi K2，扩展效率提升约 2.5 倍，原因归结为架构调整与训练、数据配方的改进。需要指出的是，这些性能描述出自模型方自身的说明，属于厂商口径，尚未由平台方给出独立基准。

平台侧的能力同样值得关注。Kimi K3 是 Amazon Bedrock 上首个支持显式提示缓存的开源权重模型，复用上下文时可以降低延迟与输入成本；模型可通过跨区域推理调用，全球配置文件的路由方式比地理配置文件大约便宜 10%。Kimi K3 此前于今年 7 月由 Moonshot AI 首发，当时通过自家应用、桌面端、命令行工具与 API 提供，这次上架意味着它进入了 AWS 的托管模型调用环境。

数据边界是采购侧最关心的部分。官方说明，与其他开源权重模型一致，客户数据在 AWS 数据边界内处理，不共享给模型提供方，也不用于训练底层模型；推理请求默认启用零数据保留，零操作员访问则避免 AWS 运维人员接触提示词与补全内容。对已经把工作负载放在 Bedrock 上的团队来说，接入新模型不需要额外调整安全姿态，这一点通常比模型本身的分数更影响选型决策。

边界与限制也需要一并看清。Moonshot AI 在技术说明中提到，模型在保留思考历史的模式下训练，如果智能体框架没有把历史思考内容回传，生成质量可能不稳定；模型对长程任务的侧重，在指令含糊时可能做出用户预期之外的决策，需要在系统提示中给出更明确的行为约束。公司同时说明，其整体表现仍落后于 Claude Fable 5 与 GPT 5.6 Sol 这类闭源模型，属于前沿水平但并非领先者。