Moonshot 下一款旗艦模型規模可能接近倍增
據報 Moonshot AI 為 Kimi K4 設定的目標參數量為 5.4 兆，預計於 2027 年第二或第三季推出。這款模型的規模幾乎是 Kimi K3 和 K3.1 Pro 的兩倍；據報兩者的參數量均為 2.8 兆。
目錄
據報的時程顯示，K4 推出前會先發布規模較小的升級版 Kimi K3.5，時間可能落在 2027 年農曆新年前後。速度更快的產品 Kimi K3 Flash 預計於 2026 年底前推出，取代 Kimi K2.8。
Moonshot 尚未公布 K4 的官方參數量或推出日期。5.4 兆這個數字，以及 2027 年 4 月至 9 月的推出時程，均來自對其開發計畫的報導。較早的估計則認為 K4 的參數量介於 5 兆至 6 兆。
因此，這項發展的核心，是據報 Moonshot 計畫擴大模型規模，並拓展可提供的產品種類。據稱 Moonshot 也正投入模型壓縮、自我蒸餾及後訓練等技術，目的是提升模型在現有運算資源下的能力。
對使用者而言，這些並行推進的工作各有不同意義。規模更大的旗艦模型或許能處理更繁複的工作，較輕量的模型則可能讓日常需求獲得更快速、便宜的回應。據報的產品時程提出了規模與推出時間的目標，但未確定未來價格、實測效能及使用方式。
5.4 兆參數代表什麼
參數是模型在訓練期間學習的數值設定，有助於決定模型如何辨識模式並產生回答。參數較多的模型有更大的學習容量，但實用性也取決於訓練資料、設計及後續調校方式。
據報 K4 的參數量為 5.4 兆，較 K3 據報的 2.8 兆增加 2.6 兆。以這些數字計算，增幅約為 93%，K4 的規模約是 K3 的 1.93 倍。
K3.5 的規模增幅則小得多。據報其參數量為 3 兆，較 K3 高出約 7%。這種差異顯示兩種不同的開發方向：先透過 K3.5 改良現有世代，再以 K4 大幅擴增規模。
據報 K4 的 5.4 兆目標落在先前估計的 5 兆至 6 兆範圍內。一則報導指出，這個範圍出自野村證券。新數字與先前估計一致，讓據報的計畫有了更明確的目標，但仍有待 Moonshot 證實。
據報的產品時程如何安排
Moonshot 據報的時程從 2026 年 7 月推出 K3，一路延伸至預計於 2027 年問世的 K4。期間推出的產品將兼顧旗艦模型的能力，以及市場對輕量產品的需求。
- 2026 年 1 月 10 日：據報創辦人楊植麟在公開演講中談及 K4 計畫。
- 2026 年 7 月 17 日：據報 Kimi K3 正式推出，參數量為 2.8 兆，並具備 100 萬 token 的上下文視窗。
- 2026 年 7 月下旬：據報 K4 訓練準備工作啟動，同時著手取得更多運算資源。
- 2026 年底前：Kimi K3 Flash 預計接替 Kimi K2.8。
- 2027 年初：預計推出 Kimi K3.5，時間可能落在農曆新年前後，參數量為 3 兆。
- 2027 年第二或第三季：據報目標推出參數量達 5.4 兆的 Kimi K4。
K4 據報的推出時程涵蓋 2027 年 4 月至 9 月。K3.5 擬於農曆新年前後推出的說法同樣只是估計，因此兩款旗艦模型推出間隔多久仍不確定。
K3.5 為何讓訓練資料成為焦點
據報 Kimi K3.5 計畫使用 10 兆個 token 進行後訓練。Token 是模型處理的資訊單位，通常是單字或單字的一部分。Token 數量衡量的是處理資訊的總量，而非不同文件或事實的數量。
後訓練是在模型完成主要初始訓練後進行，可協助模型遵循指示、改善回答，並更可靠地處理特定任務。範例、回饋及反覆練習都能發揮作用。
據報規模達 10 兆個 token 的計畫，代表 K3.5 的重點不只在參數量小幅增加。Moonshot 似乎也打算大幅投入改善模型行為，同時僅小幅擴大其基礎規模。
相關報導未說明這些 token 的組成，包括有多少資料是新蒐集的、由模型生成，或是重複使用。這項資訊很重要，因為訓練範例的品質與多樣性會影響模型從中學到什麼。
目前運算資源足夠，模型擴大後壓力將增
據報 Moonshot 目前的運算能力足以支應現行開發計畫。同一批報導也指出，進一步擴充仍面臨限制，特別是取得高效能硬體及大量高品質資料的能力。
這兩種情況可以同時存在。公司可能有足夠設備完成已在進行的工作，但要開發規模更大的後繼模型，仍需要更多晶片、電力及配套基礎設施。
據報 K4 的準備工作於 2026 年 7 月下旬啟動，距 K3 據報推出不到兩週。據稱 Moonshot 也在尋求取得更多採用 Blackwell 架構的輝達圖形處理器。這些晶片的設計用途是執行 AI 訓練與運作所需的大量運算。
據報 K3 推出後，面向使用者提供服務的運算需求也開始吃緊。據稱 Moonshot 於 7 月 19 日因運算能力不足，暫停新的消費者訂閱。為客戶運行模型，以及訓練後繼模型，都需要大量資源。
報導引述美國企業研究所研究員 Ryan Fedasiuk 估計，支援 K3 服務所需的晶片及相關能源基礎設施，投資金額將達數十億美元。這項估計關注的是大規模營運所需資源；Moonshot 計畫推出更大型模型時，成本仍是持續面臨的考量。
Moonshot 如何提高硬體效益
據報 Moonshot 的技術重點包括模型壓縮、自我蒸餾及後訓練。這些方法都能在增加模型規模這項成本更高的工作之外，提升模型能力或效率。
模型壓縮旨在降低模型所需資源，同時盡可能保留實用效能。依採用的方法不同，壓縮可減少記憶體需求、加快回應速度，或降低部署成本。
自我蒸餾是將模型自身的輸出或學得的行為，作為進一步訓練的教材。簡單來說，模型可以產生範例，協助改良自身的另一個版本。慎選並檢查這些資料很重要，因為生成的回答可能包含錯誤。
後訓練則著重於模型如何運用自身能力。對使用者而言，改進可能表現為更能遵循指示，或更可靠地完成任務。Moonshot 看重這些方法，是因為它們有望提升實際效能，不必每次改善都仰賴購買規模大得多的運算系統。
據報 Moonshot 著重這些方法，也有助於理解 K3.5 與 K4 為何各有不同用途。前者著重在相近的參數規模下改良模型；後者則以大幅提升容量為目標。
K3 Flash 將著眼於速度與成本
據報 Kimi K3 Flash 預計於 2026 年底前推出，接替 Kimi K2.8。這款產品將擴充 Moonshot 的輕量模型系列，同時較大型的旗艦模型仍在開發中。
輕量模型適合用於反覆處理日常工作，例如回覆例行需求或處理大量簡短任務。在這些情境中，等待時間及每次請求的成本，可能和處理難題的效能同樣重要。
相關報導指出，DeepSeek 的 Flash 系列可能構成競爭，包括 V4.1 Flash，以及預計推出的 V4.2 或 V5.0 Flash。這項競爭比較仍屬未來情況：據報的產品時程尚未公布 K3 Flash 的參數量、價格或實測效能。
據報 Moonshot 也已於 2026 年 8 月 31 日停止 Kimi K2.5 和 moonshot-v1 API 服務，並引導開發者改用 K3。API 是軟體用來向模型傳送請求的介面。因此，產品更動不只影響選用聊天機器人的使用者，也影響維護依賴特定模型之應用程式的開發者。
國際比較目前的情況
據報 K4 的規模正與 Mythos 和 Fable 相提並論，據稱這兩款模型的參數量均超過 5 兆。若 K4 的參數量達 5.4 兆，將進入這兩款模型所屬的相近規模區間。
要比較實際能力，還需要更多資訊：模型在相同任務上的表現、回應速度、運行成本，以及完成工作的可靠程度。模型架構也很重要，包括每次回應會動用多少模型資源。
報導指出，Moonshot 的開發時程大致落後國際領先計畫一年，並將差距歸因於先進運算資源受限，以及高品質訓練資料累積不足。這項評估僅為概略說法，未提供共同基準或明確的參考產品推出日期。
K3 據報具備 100 萬 token 的上下文視窗，也是比較時值得參考的一項能力。上下文視窗是模型在一次互動中能納入考量的資料量，包括指示和文件。這項能力與參數量不同，對處理大型檔案的人尤其重要。
Moonshot 接下來具體的里程碑，將是預計推出 K3 Flash，接著於 2027 年初推出 K3.5，再於同年稍晚推出 K4。官方規格、使用條款及可供比較的效能結果，將提供使用者和開發者評估各款產品所需的資訊。
重點整理
- 據報 Kimi K4 目標參數量達 5.4 兆，預計於 2027 年 4 月至 9 月間推出。
- 這比 K3 和 K3.1 Pro 據報的 2.8 兆參數大約高出 93%。
- 據報 K3.5 計畫於 2027 年初推出，參數量為 3 兆，並使用 10 兆個 token 進行後訓練。
- K3 Flash 預計於 2026 年底前推出，接替 K2.8。
- 據報 Moonshot 目前的運算能力足以支應開發工作，但進一步擴充受硬體及資料需求限制。
- Moonshot 尚未公布 K4 的官方參數量或推出日期。
