Kimi-Linear-48B-A3B-Base
Moonshot AI 于 2026 年 1 月 30 日在 Hugging Face 上发布了模型仓库 moonshotai/Kimi-Linear-48B-A3B-Base，任务类型为文本生成，近 30 天下载量为 2,391。
发展脉络
- 首次出现Kimi-Linear-48B-A3B-BaseMoonshot AI 模型发布（Hugging Face）
- 当前判断Moonshot AI 发布线性注意力模型，表明国内大模型厂商在架构创新上持续发力，可能引领行业对高效 Transformer 变体的探索。该模型若在长上下文任务上表现优异，可能推动行业对线性注意力等高效架构的采用，进而影响推理成本与部署方式。Agent Pulse · 分析
Moonshot AI 在 Hugging Face 上发布了新模型 Kimi-Linear-48B-A3B-Base，该模型为文本生成任务设计，近 30 天下载量为 2,391。模型名称暗示其采用线性注意力机制，总参数量 48B，激活参数 3B，属于 MoE 架构。此次发布表明 Moonshot AI 在模型架构创新上的持续投入，可能旨在提升推理效率并降低长上下文处理成本。
模型名称中的 'Linear' 暗示其可能采用线性注意力机制，以替代传统二次复杂度注意力，从而在长序列处理上获得效率优势。'A3B' 表示激活参数为 3B，总参数 48B，属于 MoE 架构。这种设计可能旨在平衡模型容量与推理成本，但具体架构细节和性能数据尚未披露，需关注后续技术报告或评测。
Moonshot AI 发布线性注意力模型，表明国内大模型厂商在架构创新上持续发力，可能引领行业对高效 Transformer 变体的探索。该模型若在长上下文任务上表现优异，可能推动行业对线性注意力等高效架构的采用，进而影响推理成本与部署方式。
该模型若实现高效推理，可降低长上下文应用的部署成本，提升 Moonshot AI 在 To B 和 To D 市场的竞争力。通过开源模型吸引开发者，可能扩大其生态影响力，并为商业化产品（如 Kimi 助手）提供技术支撑。
后续可关注该模型的技术报告、基准测试结果以及是否开放 API 或商用许可。若性能达到或超越同规模稠密模型，可能加速线性注意力架构在业界的普及，并影响长上下文应用的成本结构。