官方对新结构的设计目标表述得很直接：能力上限更高、推理速度更快、吞吐更大，并且可以扩展到更大的参数规模。

5520 亿参数，输入和输出用两套算力

V4.1 Flash 是一个总参数量 552B 的混合专家（MoE）模型，采用了全新的 Causal-Encoder-Decoder（因果编码器—解码器）结构。

这套结构最大的特点是输入与输出不对称：处理输入时只激活 80 亿参数，生成输出时激活 160 亿参数。也就是说，读取信息和生成内容被分配了不同的计算规模。DeepSeek 称，其成本显著低于已知的同尺寸模型。

这种设计与智能体（Agent）的工作方式高度契合。处理代码仓库、长文档和历史对话时，模型往往需要”读很多、写很少”——吞下海量上下文，再输出相对有限的判断、代码或操作指令。把输入环节的计算开销压下来，对这类任务的整体效率改善是直接的。

除结构外，V4.1 Flash 还采用了新的预训练方式，并经过了更大规模的强化学习后训练。官方公布的基准成绩包括：科学问答 GPQA Diamond 得分 90.9，Codeforces 竞赛编程评级 3471，MathArena Apex 得分 65.6。在考察终端任务执行的 Terminal-Bench 2.1 上得分为 90.6，网络安全测试 CyberGym 上得分 88.1——而 V4 Pro 此前公布的对应成绩分别为 87.9 和 83.3。

KV Cache 再瘦身：HBM 需求降到 1/4

另一项关键改进在缓存。V4.1 Flash 大幅减少了 KV Cache 的大小，与上一代模型相比，对 HBM（高带宽内存）的需求减少到 1/4，对 SSD 的需求减少到 1/8。

这个数字对 Agent 类场景的意义尤其突出。缓存命中的费用在长任务账单里往往占比不低，把 KV Cache 压缩下来，等于直接降低了调用成本。从官方披露的演进曲线看，相对初代模型，KV Cache 已经缩小了 437 倍。

API 变更与 V4 Pro 的下线时间表

V4.1 Flash 已同步上线 DeepSeek API，原生支持多模态，开发者将模型名称更改为 deepseek-flash 即可调用。旧版本模型 V4 Flash 与 V4 Flash Vision Exp 现已下线；出于兼容考虑，模型名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 会被暂时路由到 V4.1 Flash。

更值得注意的是 V4 Pro 的退场安排。DeepSeek 表示，经多方测试，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro，因此计划有序下线 V4 Pro：北京时间 2026 年 9 月 14 日 12:00 之后，至未来 V4.1 Pro 上线之前，用户访问 deepseek-v4-pro 的请求将全部路由到 V4.1 Flash，并按 V4.1 Flash 单价计费。

国家超算互联网同步开放

在算力侧，用户可登录国家超算互联网官网（www.scnet.cn）PC 端，从首页进入「模型服务」页面，即可快速打开 V4.1 Flash 的 API 调用界面，无需繁琐的环境配置。依托平台的国产算力资源池与 Notebook 开发环境，企业、科研机构及开发者也可以在 AI 社区下载模型权重文件，开展二次开发、本地部署与技术研究。

据介绍，国家超算互联网作为全国一体化算力网的核心载体，已接入 30 余家骨干算力中心，汇聚近 70 种规格算力资源；其 AI 社区现已汇集 1800 余款国内外热门开源大模型，并陆续接入 DeepSeek、GLM、Qwen、Kimi 等主流国产大模型 API，覆盖文本、图像、视频生成、语音合成、多模态等能力。

一个用更低单价接替自家旗舰、同时把上下文存储开销继续往下压的模型，对高频调用 Agent 的开发者来说，吸引力可能比榜单名次本身更实际。

更能说明热度的是平台的临场反应。据《科创板日报》报道，Kimi K3 上线后，API 请求量远超超算互联网平台的预期。为了满足不同层次用户的需求，平台在原有按量计费的基础上，紧急推出了「Token Plan」包月订阅模式，采用精细化积分计费，并兼容主流终端与 AI 编程工具。一款开源模型逼得国家级算力平台连夜加推套餐，这样的场面并不多见。

全球最大开源模型，全链条开放

Kimi K3 的分量确实够重。它采用混合专家（MoE）架构，总参数量达到 2.8 万亿，约为前代 K2.5 的 3 倍，是目前全球参数规模最大的开源大模型。本次开源采用修改版 MIT 许可证，覆盖模型权重、技术报告，以及支撑 K3 训练的三项底层基础设施技术：MoonEP、FlashKDA 和 AgentEnv。

这三项技术是 K3 在算力受限条件下实现高效训练的核心支撑。按官方介绍，MoonEP 是专为超大规模细粒度 MoE 打造的高性能通信库；FlashKDA 是 Kimi Delta 注意力机制的高性能算子实现，在英伟达 H20 芯片上预填充速度较基线提升 1.72 至 2.22 倍；AgentEnv 则是联合 KVCache.ai 开发的智能体沙箱系统，支持环境快照、恢复与分叉，用于大规模多智能体并行训练。

在架构层面，K3 结合 Stable LatentMoE 框架，可以在 896 个专家中高效激活 16 个，再加上训练方法和数据配方的优化，整体规模化训练效率相比 K2 提升约 2.5 倍。

半小时登顶，产业链「零日适配」

开源消息放出后，全球开发者社区的反应相当激烈。Hugging Face 首席执行官 Clem Delangue 公开表示，Kimi K3 上线仅 30 分钟便收获超过 4000 个点赞，登顶平台趋势榜榜首，创下 Hugging Face 成立以来最快的发布增长纪录；上线前半小时，已有近 3700 名开发者在排队等待下载。

产业链的跟进速度同样罕见。中国市场方面，华为昇腾 CANN 宣布昇腾 950 全系列、Atlas A3 产品完成 Kimi K3 部署适配；阿里云真武 M890 超节点实例实现首日适配，千问 AI 平台与阿里云百炼后续也将上线 Kimi K3 的 API。海外方面，Nebius、Baseten、Fireworks 等主流 AI 基础设施厂商均宣布首日完成适配，Nebius 更是评价 Kimi K3 为「首个达到前沿性能水平的开放权重模型」。

国家级算力平台入场意味着什么

国家超算互联网此次的快速跟进，对开发者是实打实的利好。此前想跑通一个万亿级参数模型，要么自建昂贵的 GPU 集群，要么依赖海外云服务；现在通过国家级算力平台，下载、部署、API 调用一站式打通，新推出的包月订阅还让中小团队能以更可控的成本用上顶级开源模型。

对月之暗面而言，这也是商业化提速的一环。该公司总裁张予彤此前披露，K3 发布后企业年度经常性收入（ARR）实现数倍增长，6 月中旬已突破 3 亿美元；其新一轮融资也已启动，投前估值涨至 315 亿美元。开源模型、国家算力、云厂商三方合流，Kimi K3 的这波热度，恐怕还要持续一段时间。

来源：36氪《超算互联网AI社区上线Kimi K3相关模型及API调用服务》、科创板日报、每日经济新闻