Kimi K3 -具多项突破的SOTA开源模型：月之暗面旗下的Kimi K3，标志着开源大模型正式迈向3万亿级参数时代，并在原生多模态与百万级上下文Agent能力上达到前沿水平。在Artificial Analysis等第三方评测中，K3的综合智能指数跻身全球前列，仅次于Claude Fable 5/Opus 5与GPT-5.6 Sol两大最强闭源模型。更重要的是K3以低于闭源模型的推理成本实现了这个成绩。对大模型行业而言，K3再次拉近了开源与闭源的差距，国产大模型在全球第一梯队中的话语权随之提升。
　　K3模型三维架构重塑成本与毛利率上限：K3的架构沿序列、深度、宽度三个维度扩展信息流。序列：KDA使显存占用不再随上下文线性膨胀，成本优势直接转化为单位经济模型与定价权。深度：AttnRes消除逐层信息衰减，使同样93层产生更高有效利用率，贡献2.5倍scaling efficiency的一部分并加速模型迭代。宽度：Stable LatentMoE以896专家中激活16个（稀疏度56:1）实现知识容量与计算成本分离，以1042亿参数成本提供2.8亿参数能力。
　　预训练：打破参数迷信，工程效率重塑成本。我们认为在近3万亿参数规模上，真正的问题是如何用同样的钱买到更多智能。K3相对K2约2.5倍的整体扩展效率提升，是数据、scaling law研究、长上下文扩展三个维度数十个选择的叠加结果。基础设施层面，自研MoonEP专家并行方案通过动态调度冗余专家，保证每块GPU在每步训练处理的Token数量绝对相等，消除了“快卡等慢卡”的算力气泡与闲置，提升集群利用率，大幅压缩训练成本。
　　后训练：专家团队淬炼到训练场组成的护城河。K3的后训练遵循SFT→RL→MOPD三阶段流水线，三阶段的紧密耦合本身即构成工程壁垒的一部分。此外K3构建了统一白盒环境、自我演化的知识图谱出题工厂、以及七类高保真训练场。这部分是竞争对手最难复制的内容——不是“知道就能做到”，而是“做过才能做到”。
　　Pre-IPO融资估值反映了市场对Kimi ARR持续高增的预期。近期月之暗面完成F轮融资35亿美元，投后估值较今年5月上升75%至350亿美元。以今年6月底3亿美元ARR（年度经常性收入）测算，其对应P/ARR估值在100倍以上。目前市场预期月之暗面将在8月开始Pre-IPO轮融资，估值可能上升至500亿美元。我们认为，市场对Kimi K3的推出可以大幅提升ARR有高度信心，500亿美元的估值应是建立在月之暗面的ARR在未来6-12个月内提升至约10亿美元的预期。我们认为在2H26，公司是否可以及时补充算力、提高用户体验、在大模型迭代加快的情况下保持优势及ARR，将是支撑更高估值的关键。对于潜在受益于月之暗面K3推出/估值提升的公司，可关注直接持股的招商局中国基金（133 HK/未评级），以及与月之暗面开展Token分成机制的中软国际（354 HK/未评级）。