一句话结论
Kimi K3 上线 Amazon Bedrock，以 2.8 万亿参数和 100 万上下文窗口成为该平台首个支持显式缓存的开源权重模型。
关键要点
- Kimi K3 拥有 2.8 万亿参数，是首个达到该规模的开源权重模型，支持 100 万 token 上下文窗口。
- 在 Amazon Bedrock 上，Kimi K3 是首个支持显式提示缓存（prompt caching）的开源权重模型，可降低延迟和输入成本。
- 该模型在扩展效率上比 Kimi K2 提升约 2.5 倍，具备原生视觉能力。
- 跨区域推理配置文件 global.moonshotai.kimi-k3 的成本比地理配置文件低约 10%。
- 支持通过 OpenAI 兼容的 Responses 和 Chat Completions API 以及 Bedrock Invoke 和 Converse API 进行调用。
背景与事实
Moonshot AI 于 2026 年将其最新模型 Kimi K3 引入 Amazon Bedrock 平台。该模型采用开源权重架构，总参数量达到 2.8 万亿，使其成为目前首个达到此规模阈值的开源模型。在核心能力方面，Kimi K3 具备原生视觉处理能力，并支持高达 100 万 token 的上下文窗口，能够处理大规模功能构建及长周期任务。性能数据显示，相比前代模型 Kimi K2，Kimi K3 在扩展效率上提升了约 2.5 倍，显著增强了复杂场景下的处理能力。
Amazon Bedrock 平台自 2025 年起持续引入来自 DeepSeek、Google、MiniMax、Mistral AI、Moonshot AI、NVIDIA、OpenAI 及 Qwen 等多家提供者的数十个开源权重模型。进入 2026 年后，Bedrock 平台进一步增强了功能集，新增了对工具调用、结构化输出、推理、响应流式传输以及对 Responses 和 Chat Completions API 的支持。Kimi K3 的上线顺应了这一趋势，它是 Amazon Bedrock 上首个支持显式提示缓存（prompt caching）的开源权重模型，这一特性有效降低了推理延迟和输入成本。
在数据安全与合规方面，Kimi K3 在 AWS 数据边界内处理数据，不与模型提供商共享，也不用于训练基础模型。所有推理请求始终启用零数据保留（Zero Data Retention）策略，并实施零操作员访问（Zero Operator Access）机制，以防止 AWS 操作员接触提示词和补全内容。在调用配置上，用户可通过 Amazon Bedrock 控制台的 Playground 或编程调用 bedrock-runtime 端点。模型提供两种推理配置文件：global.moonshotai.kimi-k3 将请求路由至全球任何支持的商业 AWS 区域，其成本比地理配置文件低约 10%；us.moonshotai.kimi-k3 则限定在美国地域内处理，以满足严格的数据驻留需求。
影响分析
对于中文开发者与从业者而言，Kimi K3 在 Amazon Bedrock 的上线意味着可以直接通过云原生环境访问超大参数量的开源模型，而无需自建昂贵的推理集群。由于 Kimi K3 是 Bedrock 上首个支持显式提示缓存的开源权重模型，这一特性对于处理长上下文、多轮对话或需要频繁调用相同系统提示的工程场景具有显著的经济优势，能够直接降低 API 调用成本并减少等待时间。此外，2.5 倍于 Kimi K2 的扩展效率提升，使得在处理复杂代理任务（Agent tasks）时，响应速度和资源利用率得到优化，降低了开发大型功能的技术门槛。
从工具生态角度看，Kimi K3 兼容 OpenAI 的 Responses 和 Chat Completions API，使得现有基于 OpenAI 接口开发的代码迁移成本极低。开发者可以利用开源助手 OpenCode 或 Hermes Agent 快速集成 Kimi K3。Hermes Agent 原生支持 Amazon Bedrock，允许用户通过桌面应用、消息应用或终端进行深度研究与任务自动化。这种兼容性不仅降低了技术负债，还使得团队能够利用现有的 CI/CD 流水线或代码助手框架快速部署基于 Kimi K3 的应用，从而加速创新产品的落地速度。
适用边界
本结论主要适用于关注模型规模、上下文长度及成本优化的通用开发场景。Kimi K3 的全球配置文件（global.moonshotai.kimi-k3）虽成本较低，但不适用于有严格数据驻留合规要求的场景；此类场景必须使用美国地域配置文件（us.moonshotai.kimi-k3），需注意这可能会影响非美国地区的访问延迟。此外，Hermes Agent 的配置中存在限制：若使用命名配置文件管理多组 AWS 凭证，需手动设置 AWS_PROFILE 环境变量或改用 API Key，因为配置文件支持功能目前处于待更新状态，这增加了多凭证环境下的配置复杂度。对于不使用 AWS 基础设施或不需要开源权重的团队，此平台的集成价值相对有限。
孤本观察
判断认为，Kimi K3 以 2.8 万亿参数和 100 万上下文窗口的组合，确立了其在长程推理与大型功能构建领域的技术标杆地位。Amazon Bedrock 通过提供显式提示缓存功能，实质上弥补了开源模型在云平台商业化运营中的成本短板，这一组合使得超大参数模型在云环境下的经济可行性显著优于本地部署方案。
常见问题
Kimi K3 在 Amazon Bedrock 平台上的主要参数规模和上下文窗口是多少？
Kimi K3 拥有 2.8 万亿参数，支持 100 万 token 上下文窗口。
Kimi K3 是 Amazon Bedrock 上首个具备什么特性的开源权重模型？
Kimi K3 是该平台首个支持显式提示缓存（prompt caching）的开源权重模型。
Kimi K3 的 global 配置文件与地理配置文件相比，成本差异如何？
global.moonshotai.kimi-k3 配置文件的成本比地理配置文件低约 10%。
哪些场景必须使用 us.moonshotai.kimi-k3 配置文件而非 global 配置？
有严格数据驻留合规要求的场景必须使用美国地域配置文件 us.moonshotai.kimi-k3。
Kimi K3 在 Hermes Agent 中配置多组 AWS 凭证时有什么限制？
需手动设置 AWS_PROFILE 环境变量或改用 API Key，因为配置文件支持功能目前处于待更新状态。