imi K3 正式开源。MoE 架构，总参数量达到 2.8T，每个 Token 激活约 104B 参数。模型支持原生视觉输入和 100 万 Token 上下文。

训练方向上：长程 Coding、复杂知识工作和需要持续调用工具的 Agent 任务都有专项提升。
vllm给出的部署建议是16卡H200或8卡B300。

我把 Kimi K3 扔进了两个已经被 Fable 5 优化过好几轮的线上 GPU 推理项目。

规则很简单：精度不掉，性能提升，就算赢。

结果，K3 先从真实请求分布里找到 36.7% 的 Padding 浪费，把高并发 p50 延迟再压低 12% 到 18%；接着自己写 Triton Dequant GEMM，把 Anchor 显存从 4.6GB 降到 2.3GB，单请求 p50 又下降 5.6%。第二个项目它又继续提升了 5.7%。

它会主动否决精度不过线的量化方案，也会回退让 p99 变差的优化。

Fable 5 第一次让我看到模型真的能写对 CUDA。Kimi K3 让我意识到，这种能力正在变成可以复现的工程能力。

精度无损，性能提升，代码能用。这次，Kimi K3 通过！