💡 核心結論速覽 (TL;DR)
- 「開源」是媒體用詞：官方寫的是「open model」，只承諾釋出權重，訓練碼與訓練資料都沒公開，而且「7 月 27 日前」是期限不是確定日期。
- 你幾乎確定跑不動：官方建議 64 顆以上加速器；2.8 兆參數在原生 4-bit 下光權重就約 1.4TB，512GB 的 Mac Studio 連一半都裝不下。
- 走第三方託管也沒用：OpenRouter 上 K3 目前只有一個端點，供應商就是 Moonshot 本人——繞了一圈，資料還是進同一個地方。
- 真正可行的是 K2 不是 K3：K2.7-Code 有 14 個託管端點、多數為西方營運，授權寬鬆。想要資料主權，答案是今天的 K2。
「全球最大開源模型」——這幾天你大概到處都看到這句話。
然後你點進 Hugging Face，想把它抓下來自己跑。結果搜尋 Moonshot 的官方帳號，18 個模型庫翻遍了，裡面根本沒有 K3。
這不是你的問題。Kimi K3 開源這件事，從措辭到時程到硬體門檻，中間有三層落差被媒體標題壓掉了——而每一層都會讓「我自己跑一份」這個計畫在不同的地方撞牆。
我用 AI Agent 從零架過幾套自己的系統，包括一整個網站和一套客服流程，所以每次看到新模型釋出權重，我的直覺反應都是「這個能不能搬進來自己養」。自己養的誘因很實在：資料不用外送、不看別人臉色改 API、成本可以攤平。
但這次我算完之後的結論是：K3 這條路現在走不通，可是旁邊有一條真的能走。差別在哪，往下看。
Kimi K3 開源了嗎？官方說法跟媒體標題差了一個關鍵字
嚴格來說，還沒有。截至目前，K3 的權重一個位元組都還沒公開釋出。
這件事值得先講清楚，因為它直接決定你現在能不能動手。官方部落格的原句是「完整模型權重將於 2026 年 7 月 27 日前釋出」——注意是「前」。那是一個期限，不是一個確定日期，中間可能提早，也可能延。
而我去翻 Moonshot 在 Hugging Face 的官方帳號，底下 18 個模型庫裡完全沒有 K3 的蹤影，GitHub 上也沒有。
所以這裡要給一個很實際的提醒：現在網路上任何標榜「Kimi K3 權重下載」「K3 GGUF 量化版」的連結，不是掛錯成 K2.7，就是有問題的檔案。不要下載，也不要照著那種教學跑。
第二層落差在用詞。中文媒體幾乎一致寫「全球最大規模的開源模型」，但 Moonshot 自己從頭到尾用的是「open model」——開放模型，不是 open source。
這不是咬文嚼字。開放源碼促進會（OSI）對開源 AI 的定義要求同時提供權重、訓練程式碼與訓練資料的充分資訊，讓別人能重建一個實質相同的系統。照這個標準，Kimi K3 開源這個說法目前並不成立。
| 項目 | K3 是否提供 | 對你的實際影響 |
|---|---|---|
| 模型權重 | 已承諾，尚未上架（期限 7/27） | 能自己跑、能微調 |
| 訓練程式碼 | 否 | 無法複現訓練流程 |
| 訓練資料 | 否 | 無法稽核它學了什麼、有無偏誤 |
| 技術報告 | 尚未發布 | 架構細節只能靠推測 |
| 授權條款 | 尚未公布 | 商用能不能用、要不要標示，全是未知 |
我覺得有趣的是：這次是廠商比媒體保守。Moonshot 沒有自稱 open source，是外界替它加冕的。這在 AI 產業裡不太常見，通常是反過來。
那授權呢？前一代的 K2 系列用的是修改版 MIT 授權，寬鬆到只有在月活躍用戶破 1 億、或月營收超過 2,000 萬美元時，才需要在介面上標示用了 Kimi。但 K3 的授權官方一個字都還沒說，我們只能合理預期它沿用，不能當成已知。
下一步：如果你的計畫依賴 K3 的權重，現在唯一該做的事是把日曆標在 7 月 27 日，其他都先別動。至於 K3 本身值不值得等，我在拆它兩張榜單落差與訂閱定價的那篇裡把該問的問題都問過一輪了。
Kimi K3 開源之後跑得動嗎？1.4TB 權重與 64 顆加速器的現實
2.8 兆參數的模型，官方自己建議的部署環境是「64 顆以上的加速器」。這句話是 Moonshot 寫在發布文裡的，不是我推估的。
我知道很多人看到「開放權重」的第一個念頭是：那我買張好一點的顯卡是不是就行了？我們把數字攤開來看就會很清楚。
K3 用的是 MXFP4 這種原生 4-bit 格式。2.8 兆參數乘上每個參數約 4.25 個位元，再除以 8 換成位元組——光是權重本身就大約 1.4 到 1.5 TB，而且這還沒算推論時要吃掉的 KV cache。
🧮 把它換算成你認得的東西
頂規 512GB 統一記憶體的 Mac Studio，是目前一般人買得到、記憶體最大的單機之一。它裝得下 1.4TB 權重的多少？大概三分之一多一點，連一半都不到。而這台機器的價格，也遠超過大多數人願意為推論硬體付出的預算。
然後是最容易被誤會的一點。很多人會想：4-bit 太大就再壓成 2-bit 嘛，開源社群不是很會做量化嗎？
這條退路這次沒有。依官方發布文與技術媒體一致的說法，K3 從監督微調階段開始就是量化感知訓練出來的，4-bit 是它的原生檔位，不是事後壓出來的成果。你再往下壓，掉的品質會比一般模型嚴重得多。
另外，官方到目前為止沒有宣布任何 K3 的小型版本——沒有 Air、沒有 mini、沒有 Flash。這點跟很多同業的做法不一樣，也代表短期內不會有「縮小版讓你在家跑」的選項。
下一步：如果你的目的是「把模型放在自己控制的機器上」，K3 現階段直接從清單上劃掉，把時間花在下面兩段講的 K2 路線。
那走 OpenRouter 打 Kimi K3，資料就不會進中國了嗎？
不會。這是本篇我最想讓你看到的一段。
很多人的折衷方案是：既然自己跑不動，那就透過 OpenRouter 這類第三方聚合平台去用，選一個西方營運的供應商，資料就不會直接送到中國的伺服器——這個邏輯在很多開放權重模型上是成立的，我自己第一時間也是這樣想。
但我去查了 OpenRouter 的端點清單，結果是：K3 只有一個真正自營的端點，供應商就是 Moonshot 自己。
換句話說，你透過 OpenRouter 打 K3，只是在 Moonshot 的 API 前面多墊了一層轉發。資料流向完全沒有改變，你只是多付了一層抽成。
這個誤會我覺得特別值得點出來，因為它長得太像一個聰明的解法了。「用第三方託管避開資料落地問題」是個好習慣，但它成立的前提是真的有第三方拿到權重、在自己的機器上跑。
權重都還沒放出來，這個前提就不成立。市面上少數看起來像第三方上架的（同樣價格、同樣上下文長度的那幾條），實際上都是轉售，請求繞一圈還是回到 Moonshot 自己的機器。
這也順帶解釋了為什麼「開放權重」這件事有實質意義，而不只是行銷詞：權重一旦公開，它就只是一份檔案。檔案放在誰的機器上跑，資料就留在誰那裡，不會回傳給原廠。這是開放權重模型真正的價值，而 K3 現在還沒走到那一步。
下一步：先確認你的顧慮到底是什麼——是「不想讓中國公司看到」還是「不想讓任何雲端看到」。這兩個答案會指向完全不同的方案，我在寫中國開源模型該不該用時整理的那套資料流向框架裡有完整的分流邏輯。
真正能自架的其實是 Kimi K2：一條被開源標題蓋掉的可行路線
如果你要的是「權重在我手上」，答案不是還沒發的 K3，是已經發了好幾代的 K2。
這條路線幾乎被 K3 的新聞完全蓋掉，但它才是現在真的能動手的那條。K2 世代在 Hugging Face 上是實打實躺著的：K2-Thinking、K2.5、K2.6，以及專攻程式的 K2.7-Code。
順帶修正我自己之前寫過的一個建議。我在整理 DeepSeek 免費版能做什麼那篇裡說過，敏感內容可以改用本機跑開源模型的方式處理——那個建議在 DeepSeek 那個參數量級成立，套到 K3 這種兆級模型上就完全不成立了。模型規模長大的速度，已經超過「本機跑」這個解法能跟上的速度。
如果你單純是在找權重可下載的模型，選擇也不只 Kimi 一家。Mistral 跟 ChatGPT、Claude 的對照那篇談過另一條歐洲路線，硬體門檻比 K2 友善不少，適合機器沒那麼猛的人先試。
| 比較項 | Kimi K3 | Kimi K2 世代 |
|---|---|---|
| 權重是否可下載 | 否（承諾中） | 是，已上架 |
| 總參數／啟用參數 | 2.8 兆／未公布 | 1 兆／320 億 |
| 授權 | 未公布 | 修改版 MIT，限制極寬鬆 |
| 第三方託管端點 | 僅 1 個（原廠） | K2.7-Code 有 14 個 |
| 單機自架可行性 | 不可行 | 高階工作站可行 |
注意那個「320 億啟用參數」——這是關鍵。混合專家架構你可以想成一間有一百個專科醫師的醫院：掛號的人再多，真正看你這一診的只有一兩位。
K2 帳面上是 1 兆參數，每次推論卻只叫醒其中 320 億。所以卡住你的從來不是算力，是記憶體塞不塞得下。
硬體門檻大概是這樣（以 K2-Thinking 為例，採 Unsloth 的動態量化）：
- ❶ 最低可跑：官方要求硬碟 + 記憶體 + 顯卡記憶體加總 ≥ 247GB
- ❷ 最小量化：約 245GB，品質折損較明顯
- ❸ 推薦檔位：約 381GB，品質與體積的平衡點
- ❹ 較完整版：約 588GB
速度方面：有人回報 24GB 顯卡搭 256GB 記憶體大約每秒 1 到 2 個 token——能跑，但慢到只適合批次任務；512GB 的 Mac Studio 有人回報約每秒 26 個 token，長上下文時會掉到 13 以下。這些數字都是使用者回報，不是官方保證，我列出來是讓你抓量級，不是拿來當規格書。
下一步：先用 Unsloth 的本機執行說明對照你現有機器的記憶體總量，能不能過 247GB 這關，五分鐘就知道答案。要注意的是，模型在本機跑起來之後，權限管理反而是更容易出事的地方。我讓 AI 代理直接動我自己的檔案時吃過這個教訓，寫成了五道防線那篇——同一套原則搬到本機模型上一樣適用。
開源模型自架划算嗎？跟 API 的成本對照，答案可能跟你想的不一樣
對絕大多數人來說，自架不划算——除非你的真正需求不是省錢，而是資料不能出門。
這是我自己架過幾套系統之後最深的體會。自架最容易被低估的成本從來不是硬體，是你的時間：環境要調、模型要更新、壞了要修，而這些工時沒有人幫你計價。
把三條路的價錢放在一起看：
| 方案 | 輸入／百萬 token | 輸出／百萬 token | 資料落在哪 |
|---|---|---|---|
| K3 官方 API | $3.00 | $15.00 | Moonshot |
| K2.7-Code 西方託管（最低價端點） | $0.72 | $3.50 | 該託管商 |
| K2.7-Code 主流託管 | $0.95 | $4.00 | 該託管商 |
| 自架 K2 | 硬體攤提 | 硬體攤提 | 你自己 |
這張表有兩個訊號。第一，K3 的官方 API 比 K2 世代的西方託管貴了四倍以上——你為那個「最新」付了很高的溢價。這個價位怎麼來的、為什麼實際帳單還會再高一截，我在拆它定價的那篇算過。
第二，K2.7-Code 在 OpenRouter 上有 14 個端點可選，價差最多超過 30%，而且多數是西方營運的服務商，這意味著你同時拿到便宜和資料落地的選擇權。
那什麼時候自架才真的成立？我的判斷是三個條件要同時滿足：
- ❶ 資料真的不能出門——法遵、合約或客戶要求，不是「感覺比較安心」
- ❷ 用量夠大且穩定——每月 API 帳單已經逼近硬體攤提，否則永遠回不了本
- ❸ 有人維護——不是「我週末研究一下」，是真的有人負責它壞掉的時候
三個裡面少一個，我都會建議先用託管 API。「先自架再說」是我看過最貴的省錢方式。
還有一個很多人沒算進去的變數：地緣政治。模型會不會突然變得不能用、能不能繼續買到，這幾年已經不是理論問題了——出口管制讓某些模型在特定地區被斷掉的那次就是活例子。權重放在自己硬碟上，這個風險才真的歸零；用誰的 API 都歸零不了。這是自架少數幾個「多付錢也合理」的理由。
下一步：先把你上個月的 API 帳單拉出來，乘 12，跟一台夠格機器的價格比一比。如果差距不到三倍，自架幾乎確定不划算。真正該先做的是把用量壓下來，我整理過AI 代理省 token 與成本的完整流程，還有不換方案也能省下大量 token 的 10 個習慣——先把用量壓下來，很多人會發現根本不需要自架。
Kimi K3 開源後誰該自架、誰該直接用 API？
直接給你分流表，不用讀完全文也能對號入座。
| 你的情況 | 建議路線 | 理由 |
|---|---|---|
| 個人開發、想省錢 | K2.7-Code 西方託管 API | 每百萬 token 0.72 美元起，不用養機器 |
| 企業有法遵要求 | 自架 K2 | 權重是檔案，資料不外流 |
| 只想試最強的 K3 | 先看 K3 本身值不值得付 | K3 目前只有原廠一條路，自架不在選項內 |
| 想等 K3 自架 | 先別規劃 | 硬體門檻不是消費級能碰的 |
| 只是好奇想玩玩 | 免費層或既有訂閱 | 自架的時間成本遠高於價值 |
我要特別對「想等 K3 自架」那群人多說一句，因為我猜有些人是為了這個才點進來的。
就算 7 月 27 日權重真的放出來，你面對的仍然是官方建議的「64 顆以上加速器」那個等級的部署環境。這不是「等我明年換電腦」能解決的差距，是差了一整個資料中心。與其等，不如把 K2 那條路先跑通——架構相近、工具鏈相同，未來真的有小型版本出來，你的經驗可以整套搬過去。
還有一個判斷我想留給你：不要因為一個模型「開源」就預設它比較安全。開放權重降低的是「資料被原廠看到」的風險，它完全不降低模型本身的偏誤、審查傾向或輸出品質問題。這兩件事常被混為一談，但它們是不同的風險。
下一步：先確定你屬於上表哪一列，再去看對應的方案。如果你連要不要為 AI 付錢都還在猶豫，免費版跟付費版到底差在哪那篇會比這篇更適合你先看。
FAQ 常見問題
Kimi K3 開源到底算不算數？
照嚴格定義不算。Moonshot 官方用的是「open model」而非 open source，承諾釋出的只有模型權重，訓練程式碼、訓練資料和技術報告都沒有公開。真正的開源模型應該讓外界能複現訓練流程並稽核資料來源，K3 目前兩者都做不到。比較準確的說法是「開放權重模型」，而且截至目前連權重都還沒實際上架。
我的電腦有 64GB 記憶體，能跑 Kimi K3 嗎？
不行，差距非常大。K3 在原生 4-bit 格式下光權重就約 1.4 到 1.5TB，官方建議的部署環境是 64 顆以上的加速器。64GB 記憶體連 K2 世代最小的量化版本（約 245GB）都跑不動。如果你想在自己機器上跑 Kimi，實際的最低門檻是硬碟、記憶體與顯卡記憶體加總約 247GB，而且速度會很慢。
透過 OpenRouter 用 Kimi K3，資料會比較安全嗎？
目前沒有差別。OpenRouter 上的 K3 只有一個端點，供應商就是 Moonshot 本身，等於在原廠 API 前面多一層轉發，資料流向完全相同。這個做法在 K2 世代才有意義——K2.7-Code 有 14 個端點，多數由西方服務商營運，那時候選擇託管商才真的會改變資料落在哪裡。
Kimi K3 的權重什麼時候會放出來？可以商用嗎？
官方說法是「2026 年 7 月 27 日前」，注意那是期限不是確定日期，可能提早也可能延後。授權條款官方尚未公布，所以商用能不能用現在無法回答。前一代 K2 用的是修改版 MIT 授權，只有在月活躍用戶破 1 億或月營收超過 2,000 萬美元時才需要標示，相當寬鬆，但不能直接假設 K3 會沿用。
自架開放權重模型，真的能省錢嗎？
多數情況不能。自架最常被低估的是時間成本——環境調校、模型更新、故障排除都沒人幫你計價。我的判斷標準是三個條件要同時成立：資料確實不能離開自家環境（法遵或合約要求）、用量大到 API 年度帳單逼近硬體攤提、以及有專人負責維運。少一個就建議先用託管 API，把心力花在壓低 token 用量上更有效。
結論：與其等一個跑不動的 Kimi K3，不如把 K2 那條路走通
這次事件最值得記下來的，其實不是 K3 有多強，而是Kimi K3 開源這句話本身，暴露了「開源」兩個字在 AI 領域已經被稀釋到快要沒有意義。
權重、程式碼、資料、報告、授權——五樣東西裡放出一樣就能被叫做開源，那讀者要怎麼判斷自己實際上能做什麼？下次再看到「最大開源模型」這種標題，我建議你養成一個習慣：直接去官方的模型庫看檔案在不在。在，就是真的；不在，那就還只是一則新聞。
回到最實際的問題。如果你的目標是把模型握在自己手上，路線很清楚：今天能動手的是 K2，不是 K3。K2 權重已上架、授權寬鬆、有 14 個託管端點可選、單機自架在高階工作站上是可行的。而 K3 就算下週準時釋出，硬體門檻也不是個人或中小團隊能碰的量級。
至於什麼時候該重新評估——如果 Moonshot 之後推出 K3 的小型版本，這整篇的結論就要改寫。在那之前，把 K2 的工具鏈跑熟，是為未來做的最划算的準備。
想知道 K3 本身作為工具值不值得付錢，可以接著看我拆它定價、榜單落差與台灣可用性的那篇；對我平常怎麼挑工具有興趣的話，看看我平常怎麼挑工具、踩過哪些訂閱的雷。訂閱我的部落格，會不定期收到信。
參考資料
- Hugging Face — Moonshot AI 官方模型庫（可驗證 K3 權重是否已上架）
- Hugging Face — Kimi K2-Thinking 模型卡與授權
- Unsloth — Kimi K2 本機執行硬體需求與量化檔位
- OpenRouter — Kimi K2.7-Code 託管端點與價格比較
- Moonshot AI — Kimi K3 官方發布文
- Kimi 開放平台 — K3 API 定價文件
