夯爆了！Kimi3+Hermes，最强开源模型+最强Agent接入教程！

就在刚刚， Moonshot AI （月之暗面）发布的 Kimi K3。2.8T 总参数、1M 超长上下文、Modified MIT 开源协议——这些数字放在一起，基本就是「2026年最强开源模型」。

虽然普通人本地跑不动，但通过 API + Hermes 接入，照样能当主力模型用。这篇就带你从参数解读到实战接入一条龙搞定。

Kimi K3 到底是什么

Kimi K3 是 Moonshot AI（月之暗面）最新发布的旗舰模型。跟之前那些小打小闹的升级不同，K3 这次是真正对标全球顶级模型的产品。

先看Artificial Analysis评测，K3完全是第一梯队。

再看老路整理的硬数据：

参数	Kimi K3	Claude Fable 5	GPT-5.6 Sol	Grok 4.5
总参数量	2.8T	未公开	未公开	未公开
上下文长度	1M tokens	200K	256K	1M
Intelligence 得分	第三名	第1名	第2名	第4名
架构	MoE + KDA	未公开	未公开	MoE
开源方式	Modified MIT	❌ 闭源	❌ 闭源	❌ 闭源
API 价格	较低（官方报价）	高	很高	中等

在最前的模型里，K3 是唯一一个开源的。其他三家全是闭源。

K3在开源模型里的位置，对比就更明显了：

模型	总参数	上下文	Intelligence 得分	开源
Kimi K3	2.8T	1M	第3 🥇	✅
DeepSeek V4 Pro	1.6T	128K	第9	✅
Llama 4 Behemoth	2T	256K	第12	⚠️ 部分
GLM-5.2	~1.5T	128K	第5	✅

在开源模型里，K3 无论是参数规模、上下文长度还是综合得分，都是断层第一。

2.8T 总参数是什么概念？

目前开源模型里，K3 的总参数量是当之无愧的第一。DeepSeek V4 Pro 的 1.6T 在它面前也只有一半多。

当然，MoE（混合专家）架构下每次只激活部分参数，K3 每 token 激活约 50B 参数。但这依然是一个非常恐怖的数字。

排行榜表现

根据 Artificial Analysis 最新发布的 Artificial Analysis Intelligence Index 数据，Kimi K3 在多个关键维度上表现亮眼：

评测维度	K3 表现	对比
综合智能	🥇 第一梯队	与 GPT-5.6、Claude Fable 5 同级
数学推理	🥇 顶级	超越 DeepSeek V4 Pro
代码生成	🥇 领先	LiveCodeBench 高分
长文本理解	🥇 断层领先	1M 上下文无人能及
Agent 能力	🥇 原生支持	工具调用、函数调用、视觉理解

注意：K3 目前还是 API-only，要到 7月27日才开放下载。但 API 版本已经是完整能力的 K3，体验上跟最终开源的版本一致。

1M 上下文是什么体验

如果说 K3 哪个功能最让我心动，那绝对是 1M token 超长上下文。

1M 是什么概念？

✅ 一次性读完 三本《三体》 的体量
✅ 分析完整的项目代码库（上万文件）
✅ 处理超长论文 + 引用文献
✅ 整本电子书一次性丢进去做知识问答
✅ 超长聊天记录完整回顾

K3 能实现 1M 上下文，靠的是它自家的 Kimi-Linear（KDA）注意力架构。这个架构已经开源了（MIT 协议），在 GitHub 上可以找到。

对比一下主流模型的上文长度：

模型	上下文长度
Kimi K3	1,000,000
Llama 4 Scout	10,000,000
Grok 4.5	1,000,000
Claude Fable 5	200,000
GPT-5.6 Sol	256,000
DeepSeek V4 Pro	128,000

虽然 Llama 4 Scout 有 10M 上下文，但那只是极少数场景能用。在实用性上，K3 的 1M 上下文加上 KDA 注意力架构，长文本检索准确率非常高。跟 DeepSeek V4 Pro 比，K3 的上下文是它的 8 倍。这意味着很多之前做不了的任务（比如完整的代码库分析、超长文档处理），K3 可以轻松搞定。

开源协议：Modified MIT 意味着什么

K3 采用 Modified MIT（修改版 MIT） 协议。这个协议的核心精神是：

✅ 允许的

商业使用（需要署名）
修改和二次开发
模型微调
部署到自己的服务

⚠️ 限制的

可能包含合成数据条款（用 K3 生成的数据训练其他模型可能需要授权）
可能有月活用户数（MAU）阈值限制（超过一定量需要额外授权）
具体条款以 7月27日发布的最终版本为准

跟 K2、K2.5、K2.7 Code 用的是同一套协议族，Moonshot 在开源方面一直比较靠谱。

普通用户能本地跑吗？

说实话：不能。

K3 虽然开源，但它的硬件门槛极高：

量化级别	所需内存	硬件要求
FP16（完整精度）	~5.6 TB	企业级 GPU 集群
INT8 量化	~2.8 TB	多卡 A100/H100
INT4 量化（理论）	~1.5 TB	顶级工作站
消费级显卡	❌ 不可能	单卡显存不够

所以对于绝大多数个人用户来说，K3 的正确打开方式是 通过 API 使用。

Moonshot 官方提供 API 服务：platform.kimi.ai，价格合理，速度也很快。

老路在第一时间已经充值了，用的是交通银行的MasterCard/银联联名卡，支付很丝滑。

在 Hermes 里接入 Kimi K3

虽然本地跑不动，但通过 Hermes 接入 K3 的 API，体验跟本地模型一样流畅。

先拿 API Key

打开 platform.kimi.ai
注册/登录账号，老路推荐直接Google登录
进入 API 管理页面
创建 API Key，复制保存好，注意，API Key复制只有一次机会，关闭后就看不见了。

在 Hermes 里配置 K3

老路还是以Hermes桌面端为例，在设置页面选择“提供方”，点击“API密钥”或者界面左上角的“改用API密钥”

选择“Kimi / Kimi Coding Plan”，不要选“Kimi / Moonshot（China）”这两个不通用，粘贴APIKEY到对应位置即可。

继续在菜单中“模型”选择“Kimi For Coding”，然后选择“kimi-k3”，设置就完成了。

如果你用CLI，可以直接改配置文件

找到 Hermes 的配置文件（~/.hermes/config.yaml 或对应的路径），添加：

providers:
  kimi:
    model: kimi-k3
    api_key: 你的Kimi API Key
    base_url: https://api.moonshot.ai/v1

保存后重启 Hermes，新建会话时选择 kimi/kimi-k3 即可。

K3 在 Hermes 里的表现

场景	体验
日常对话	✅ 流畅，响应快
代码生成	✅ 非常强，感觉比DeepSeek更牛一点
超长文档分析	✅ 1M 上下文，通读无压力
Agent 工具调用	✅ 原生支持
多轮对话	✅ 记忆准确
费用	比 GPT-5 便宜很多

老路用了几个小时的体感是：K3 的综合能力不输 GPT-5.6，但价格只有它的三分之一左右。加上 1M 上下文的加持，某些场景下甚至更强。

老路的代码测试是使用的Claude Code，利用CC-Switch来调用Kimi K3，这里有个要注意的地方，CC-Switch里的Kimi For Coding的默认配置baseUrl是国内的，需要改成：

https://api.moonshot.ai/anthropic

其他配置项可以参考Kimi的官方文档：https://platform.kimi.ai/docs/guide/claude-code-kimi

或者在配置JSON里，把env的部分，直接替换成下面老路给的内容，APIKEY换成你自己的

  "env": {
    "ANTHROPIC_BASE_URL": "https://api.moonshot.ai/anthropic",
    "ANTHROPIC_AUTH_TOKEN": "你自己的APIKEY",
    "ANTHROPIC_MODEL": "kimi-k3",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "kimi-k3[1M]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "kimi-k3[1M]",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "kimi-k3",
    "ANTHROPIC_DEFAULT_FABLE_MODEL": "kimi-k3",
    "CLAUDE_CODE_SUBAGENT_MODEL": "kimi-k3",
    "ENABLE_TOOL_SEARCH": "false",
    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1048576",
    "CLAUDE_CODE_EFFORT_LEVEL": "max",
    "ANTHROPIC_DEFAULT_SONNET_MODEL_NAME": "kimi-k3",
    "ANTHROPIC_DEFAULT_OPUS_MODEL_NAME": "kimi-k3"
  },

保存成功测试会有如下提示

此外，K3余额查询的功能在CC-Swith里不好用，老路没折腾，因为自己手搓过多模型余额的桌面插件，更直观，可以看看老路这篇Vibe Codeing 桌面插件。

需要这个插件的朋友可以在闲鱼找到并联系老路：https://m.tb.cn/h.8cn9qxr?tk=aeQ3gszWtX7，这里老路会直接发送绿色版。

会用Github的朋友，直接访问老路的仓库：https://github.com/ulysis6/ai-api-balance-monitor，这个监控插件已经开源。

老路的组合方案：跟其他模型搭配使用

老路在Hermes 里配了多个模型，这样分工：

任务	推荐模型
超长文档分析、论文阅读、复杂代码项目	Kimi K3（1M 上下文）
日常代码、推理	DeepSeek
图片识别	Gemini 3.1 Flash Lite（免费），Kimi K3具备原生视觉理解能力，但是用作图片识别，性价比不高
本地简单任务	MiniCPM5-1B本地部署（免费）

总结

Kimi K3 是目前（2026年7月）最强的开源模型，没有之一。

维度	评价
参数规模	2.8T，开源模型第一
上下文	1M，断层级领先
综合能力	对标 GPT-5.6、Claude Fable 5
开源协议	Modified MIT，商业友好
个人部署	❌ 硬件门槛太高
API 使用	✅ 推荐，性价比高