月之暗面 Kimi(K3 / K2.6):目前規模最大的開源權重模型,以及學校為甚麼仍然用不上

一句話答案:Kimi K3 是目前規模最大的開源權重模型,工程上非常值得尊重;但對香港學校而言,萬億級參數的自架門檻與內地 API 的跨境傳輸問題,令它暫時停留在「值得認識」而不是「可以部署」。

這是甚麼

月之暗面(Moonshot AI)是北京的模型團隊,產品線分成兩邊:面向一般用戶的 Kimi 助手,以及面向開發者的 platform.kimi.ai API。它最為人熟悉的標籤是長上下文——由 2023 年起就以「一次讀完整本書」作賣點,這個定位一路延續到今天的 100 萬 token。

Kimi 的另一個特點是願意公開權重。由 K2 開始,每一代旗艦都把完整權重放上 Hugging Face,K3 更是第一個公開權重的 3 萬億參數級別模型。對研究機構與有能力自架的企業而言,這是罕見的資源;但「公開」不等於「學校跑得動」,下文會說明兩者的距離。

現行陣容

• Kimi K3(2026 年 7 月 16 日發佈,7 月 27 日公開權重):2.8 萬億參數的 MoE 架構,每個 token 只啟動約 1,040 億參數,原生支援圖像輸入,上下文 100 萬 token。API 型號代號為 kimi-k3,每 100 萬 token 輸入 3 美元、輸出 15 美元,快取命中價 0.30 美元;權重以自訂的「Kimi K3 License」發佈。
• Kimi K2.6(2026 年 4 月):上一代旗艦,以修改版 MIT 授權發佈,每 100 萬 token 0.95 / 4.00 美元。成本敏感的批量任務至今仍常用這一代。
• Kimi K2(2025 年 7 月):令 Kimi 在國際開源社群受注目的版本,也是「長上下文」成為中國模型主打賣點的起點。

完整的版本與價格對照,見本頁下方自動生成的系列表。

優點

1. 真正前沿級的開源權重。 願意把最強一代的完整權重公開,在 2026 年仍是少數;這對研究、對本地化微調、對不想被單一供應商鎖死的機構,都是實質貢獻。K3 是這批模型中規模最大的一個。
2. 長文件與長對話的穩定度。 100 萬 token 不只是數字:整份課程指引、整個學期的課業紀錄、長篇研究報告,可以在一次對話裡維持脈絡而不需要反覆貼上。教師做跨單元比較或長文摘要時,這個特性最有感。
3. 旗艦級能力但價格中檔。 每 100 萬 token 3 / 15 美元,在同級旗艦裡屬於中下水平,快取命中價低至 0.30 美元,對重複讀同一批文件的工作流特別划算。
4. 中文語感自然。 這是中國團隊模型的共同強項:中文寫作、改寫與潤飾的語氣比不少西方模型自然,繁簡轉換與粵港用語雖仍需校對,但基礎不差。

缺點與局限

• 自架門檻極高。 2.8 萬億參數要多節點、多張高階 GPU 才跑得動,連大學實驗室都要認真規劃,學校機房基本上不在討論範圍。所謂「開源所以可以自己用」,在這個規模並不成立。
• 授權不是標準開源授權。 「Kimi K3 License」是自訂條文,與 MIT 或 Apache 2.0 不同,商用範圍、地域與標示要求都要逐項閱讀。K2.6 的修改版 MIT 相對寬鬆,但同樣不是原版 MIT。
• API 在中國內地。 對香港學校而言,直接呼叫即構成跨境資料傳輸,涉及個人資料時必須先做評估;這不是技術問題,而是學校要自己承擔的合規責任。
• 內容政策需要學校自行判斷。 模型的安全邊界依內地框架設計,與香港課程在歷史、時事、公民教育等課題上的處理方式未必一致。學校若用於學生場景,應自行測試並決定是否可接受。
• 教育生態近乎空白。 沒有針對香港課程的教師社群、提示範本或教學案例,IT 主任要自己從零建立,培訓成本比主流供應商高得多。

香港學校可以怎樣看待它

先分清兩個問題:「這個模型好不好」與「我校可否用它」是兩回事。 K3 在技術上很好,但學校要回答的是後者。

實務上建議三步走。第一,把 Kimi 當作認識用的參考:讓 IT 主任與科主任知道開源權重走到甚麼位置,在評估其他方案時有個對照。第二,如果教師個人想試用,當作公開網站處理,只放通用備課材料,不放學生姓名、學號、成績或未去識別化的校內文件。第三,若辦學團體真的考慮把任何中國模型接入校本系統,先做兩份功課:一份是《個人資料(私隱)條例》下的跨境傳輸評估,說明資料會去哪裡、保存多久、誰可以查閱;另一份是授權條文的法律意見,確認商用與再散布條件。

至於「想要中文能力強又不想資料出境」這個很常見的需求,現實答案不是 Kimi,而是在校內自架一個規模合理的開源模型。詳見下方替代方案。

在 Edor.ai 的可用性

目前未接入。 Edor.ai 原生支援 OpenAI、Azure OpenAI、Anthropic、Poe 與本地 Ollama 五種供應商,Kimi 不在其中,管理員在後台不會見到這個選項。原因就是上文兩點:2.8 萬億參數無法在學校自架,而官方 API 位於中國內地,屬跨境傳輸。

我們亦沒有與月之暗面的任何合作關係。本頁的角色只是把可核實的事實整理清楚,讓學校自己判斷,而不是推銷。

替代方案

• 想要中文能力強、又要資料完全留在校內 → 看 Alibaba Qwen 的 27B 級別開源權重,配合本地 Ollama 部署是目前最現實的路線。
• 想比較中國各家模型的授權、價格與可用性 → 讀 DeepSeek、Kimi、Qwen 與 GLM 的比較。
• 想弄清楚自架與雲端在成本與私隱上的真實取捨 → 讀 開源與閉源的成本與私隱權衡。
• 只想找一個現在就能在校本平台運作的供應商 → 由 OpenAI 或 Anthropic Claude 開始,或回到 模型總覽。