科技行业动态点评：Kimi K3，能力跨越带来模型价值重估

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 科技 Kimi K3：能力跨越带来模型价值重估 华泰研究 科技 增持 (维持) 计算机 增持 (维持) 郭雅丽 研究员 SAC No. S0570515060003 SFC No. BQB164 guoyali@htsc.com +(86) 21 3847 6016 袁泽世*，PhD 研究员 SAC No. S0570524090001 yuanzeshi@htsc.com +(86) 21 2897 2228 行业走势图 资料来源：Wind，华泰研究 2026 年 7 月 18 日│中国内地 动态点评 7 月 16 日，Kimi 更新 K3 模型，实现 2.8 万亿参数、100 万 Token 上下文和原生视觉能力，进一步切入长时程编程、知识工作与复杂推理场景。与市场主要关注开放权重与榜单成绩不同，我们更关注其生产案例中数千次网页检索、终端数据调用、递归迭代及多子 Agent 并行所反映的推理负载变化。Kimi K3 建议采用 64 张以上加速卡组成的超节点部署，表明高带宽互联、推理集群、上下文缓存及 Agent 基础软件的重要性进一步提升。K3 智能的 提高直接带来了 token 定价的提高，进一步强化了国产模型的商业化能力。 模型规模与稀疏架构同步升级，开放模型继续向前沿能力靠拢 Kimi K3 参数规模达到 2.8 万亿，采用 Kimi Delta Attention、Attention Residuals 及 Stable LatentMoE 架构，每次推理有效激活 896 个专家中的16 个，并通过训练和数据配方优化，实现相较 Kimi K2 约 2.5 倍的整体缩放效率提升。模型同时支持 100 万 Token 上下文及原生视觉理解，覆盖软件工程、知识工作与深度推理。市场主流观点更重视参数规模与开放权重，我们认为，KDA、AttnRes 及高稀疏 MoE 对跨卡通信、专家路由和推理软 件提出的新要求，或构成更具持续性的国产软硬件适配变化。 长时程 Agent 工作负载显著扩大，单任务计算消耗可能持续上行 据 Kimi 官方披露，K3 生成 AI ASIC 行业研究网站时经历 120 轮以上递归改进，完成 2800 次以上网页搜索与抓取、1100 次以上终端数据调用，处理超过 1.1 万页内容，覆盖 87 份季度报告和 99 份原始 PDF；引力波分析案例则调用 20 个以上并发子 Agent 处理 391 个事件。上述任务已由一次问答转向检索、执行、校验、绘图和修改组成的长链路流程。我们认为，Agent渗透带来的核心增量并非用户请求数量本身，而是每个任务内部 Token、工 具调用次数和并行执行宽度的共同增长，带来真实工作流渗透提升。 智能能力升级推动价格中枢上移，逐步接近海外高端模型 Kimi K3 API 缓存命中输入、未命中输入和输出价格分别为$0.30、$3.00 和$15.00/百万 Token，较 Kimi K2 系列价格明显提升，反映其产品定位已由低价模型服务转向长上下文、复杂推理和 Agent 任务驱动的旗舰能力定价。横向比较看，K3 价格高于 GLM、MiniMax 等多数国产模型，国产模型价格中枢正在随智能能力提升逐步向海外水平靠拢。我们认为，K3 通过自动缓存和推理系统优化降低实际调用成本，使模型厂商能够在提升名义 Token价格的同时维持用户使用门槛，行业商业化竞争正由单纯低价转向模型能 力、缓存效率与算力利用率的综合比拼。 投资结论 随着国产模型在长上下文、多模态、工具调用及复杂 Workflow 执行等方面持续进步，其与海外前沿模型的能力差距正在收窄，模型价值也由单轮问答逐步转向检索、分析、执行、验证和交付等实际工作环节。我们认为，复杂工作能力提升有望增强客户付费意愿，推动 API 价格中枢、调用量及商业化 空间同步改善。相关标的：智谱，MiniMax。 风险提示：宏观经济波动，技术进步不及预期，中美竞争加剧。 (13)14406793Jul-25Nov-25Mar-26Jul-26(%)科技计算机沪深300 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 科技 Kimi K3：开放模型向复杂生产任务延伸 Kimi K3 以全球参数规模领先的开放模型定位，推动智能能力向生产场景延伸。据 Kimi 官方博客披露，Kimi K3 总参数规模达到 2.8 万亿，是全球首个达到 3 万亿参数级别的开放模型，按总参数量计处于当前已公开开放模型的较高水平。模型采用 Kimi Delta Attention 和Attention Residuals 架构，并通过 Stable LatentMoE 将专家数量扩展至 896 个、单次推理激活 16 个专家，结合训练及数据配方优化，相较 Kimi K2 实现约 2.5 倍的整体缩放效率提升。Kimi K3 同时具备原生视觉能力和 100 万 Token 上下文窗口，主要面向长时程编程、知识工作及复杂推理，产品定位由对话模型进一步转向能够持续调用工具、执行复杂Workflow 并交付完整成果的生产型智能系统。Kimi K3 完整模型权重计划于 2026 年 7 月27 日前发布，并将同步披露更完整的架构、训练及评测技术报告。 图表1： 开放模型进入万亿参数竞争阶段，Kimi K3 推动国产模型规模迈向 3T 级别 资料来源：Kimi 官网、华泰研究 Kimi K3 的 Coding 能力已进入全球前沿模型梯队，多项复杂工程评测领先海外闭源模型。据 Kimi 官方评测，Kimi K3 在 Program Bench 中得分 77.8，超过 GPT-5.6 Sol 的 77.6 和Claude Fable 5 的 76.8；在 Terminal Bench 2.1 中得分 88.3，接近 GPT-5.6 Sol 的 88.8，并高于 Claude Fable 5 和 Claude Opus 4.8 的 84.6；在 FrontierSWE 中得分 81.2，较GPT-5.6 Sol 和 Claude Opus 4.8 分别高 9.9 和 14.5；在 SWE Marathon 中得分 42.0，同样超过 GPT-5.6 Sol 的 39.0 及 Claude Fable 5 的 35.0。我们认为，Kimi K3 在代码理解、终端操作、仓库级修改及长期软件工程任务方面已具备较强竞争力，国产模型 Coding 能力 与海外前沿模型的差距正在明显收窄。 Kimi K3 将代码生成延伸至较长周期的工程任务。据 Kimi 官方披露，模型能够在较少人工干预下持续执行长时间工程任务，浏览大型代码仓库并协调终端工具。在 GPU 内核优化测试中，各模型可使用不超过 24 小时，对 NVIDIA H200 及另一类通用 GPU 上的四项任务进行分析、重写和测试；Kimi K3 在部分任务中表现出较强竞争力，早期