月之暗面发布Kimi K3，2.8万亿参数刷新开源模型纪录，登顶代码榜。这家被行业判了缓刑的公司，用规模路线重回牌桌。本文拆解其技术、融资与定位，探讨开源模型的新活法。

AI过去一年在卷什么？卷推理、卷Agent、卷成本、卷上下文窗口，什么都在卷，唯独没有再碰最笨、最烧钱、最能证明硬实力的方向，把模型本身做得更大。

7月16日，月之暗面发布Kimi K3，总参数2.8万亿，混合专家架构，896个专家里每次激活16个，原生视觉理解，100万token上下文。这是目前全球参数量最大的开源模型，官方管它叫首个开源3T级模型，2.8万亿四舍五入算3万亿，这个数学我认了。

发布之后几个小时，K3登顶了大模型竞技场Arena的代码榜，中国模型第一次拿下这个榜单。

一个18个月前还被行业判了缓刑的公司，用一次发布把自己重新抬回了牌桌中央。这背后的路线选择，我觉得值得认真拆一拆。

从被碾过到重回牌桌

那18个月有多难熬

理解K3，得先理解月之暗面这18个月过得有多憋屈。

DeepSeek横空出世那阵子，整个行业的叙事被改写了，便宜、开源、够用，成了新的政治正确，月之暗面原本靠长文本建立起来的心智，一夜之间不值钱了，市场地位肉眼可见地往下滑。海外媒体在复盘K3的时候用了一个很扎心的说法，说这是一家市场位置被侵蚀了18个月的公司的回归之战。

我当时身边不少朋友都觉得这家公司悬了，融资那么贵，路线那么重，拿什么跟便宜大碗的对手打。

那段时间行业里流行一种论调，说预训练的规模红利吃完了，接下来拼的是推理优化和工程能力，把模型做大是上一个时代的思维。这种论调越是主流，坚持规模路线的公司日子就越难过，融资故事不好讲，招人不好招，连发布会都不好开，你说你参数大，人家问你比DeepSeek便宜吗？

K3是一条被忽视的暗线

很多人以为K3是憋大招憋出来的孤注一掷，翻一下时间线你会发现根本不是这么回事。

过去12个月里，有9个月的时间，开源模型的参数规模上限都是Kimi系列在保持。K2、K2.5一路铺过来，规模路线从来没断过，只是没人当回事。大家的注意力全在便宜和快上面，谁会关心一个慢慢把模型做大的公司呢？

这就是暗线的意思，所有人都看得见，所有人都没看。

发布前后的节奏，每一步都是算过的

再看发布节奏，你会发现月之暗面这次的操盘水平相当在线。

发布之前，一个代号Kivine的匿名模型出现在Arena榜单上，前端生成和3D任务的表现引发密集讨论，开发者社区猜了好几天这是谁家的。Kimi开放平台上一个关于K3限时充值活动的页面被短暂泄露，几个小时就撤了，可截图已经传遍了。热度在正式发布前就拉满了。

发布时机也卡得很准。往前几天，Fable 5和GPT-5.6 Sol刚刚全量上线，全球的注意力都在新一代旗舰上。往后一周多，世界人工智能大会就要在上海开幕。K3选在这个缝里发布，蹭到了对比的流量，又留足了线下展台的发酵时间。大会现场他们展台被围得水泄不通，有个俄罗斯观众对着镜头说搞AI的都该来看看。

你说这些是巧合我是不信的。

开源赛道的两种活法

发布当天谁在跌

K3发布当天有个细节很多人没注意，Z.ai和MiniMax的股价在港股市场明显下挫。

这个信号比任何评测都诚实，投资人用钱投票告诉你，开源模型的竞争格局被这一次发布改写了，原来的位次要重新排。

目前这个赛道的头部选手，DeepSeek的V4 Pro参数1.6万亿，通义、智谱、MiniMax各守一摊。K3用2.8万亿直接把规模天花板抬高了将近一倍，其他家要么跟，要么就得承认自己走的是另一条路。

这里补一个容易被忽略的背景。中国的开源模型这两年在西方公司里的采用率一直在悄悄往上爬，能力追上来了，价格只有美国旗舰的零头，务实的工程团队会用脚投票。美国的立法者已经在讨论怎么限制本土公司采用中国模型，一个议题能被摆上桌面认真讨论，本身就说明渗透程度到了让人坐不住的地步。

本质是两种生存逻辑

我把开源模型的活法归成两种：

一种叫跟随复现型。闭源旗舰先把能力探出来，开源模型跟在后面，用更低的价格把八成的能力复现出来。过去一年多，几乎所有开源玩家走的都是这条路。这条路的生存逻辑是性价比，你便宜，你就有人用。

一种叫边界定义型。不等闭源探路，自己主动往下一代能力的无人区里冲，规模、上下文、长程任务，直接参与定义标准。K3是第一个认真走这条路的开源模型。

区别在哪呢，跟随复现型的天花板永远是别人定的，你做得再好，也是平替，边界定义型赌的是话语权，赌赢了，标准就是你定的。

增长故事背后的一个隐患

夸完了说点扎心的，这2.8万亿参数的模型，官方推荐的部署配置是至少64张加速卡组成的超节点，这是什么概念，绝大多数企业别说部署了，连评估的资格都没有，权重开源对它们来说只是一个名义上的可用，真要用还是得走API。

这就带出一个很微妙的问题。开源的意义到底是什么，以前我们说开源等于人人可用，K3之后这个等式要改写成人人可看、少数可用。这个变化是好是坏，我到现在也没想明白，只能说它真实地发生了…

为什么敢走最笨的路

弹药是这么攒出来的

走规模路线的前提是有钱，而且是持续有钱。

看一下月之暗面的融资曲线，去年年底C轮5亿美元，投后估值43亿。今年5月拿了差不多20亿美元，估值冲破200亿。6月底新一轮启动的时候，投前估值已经报到315亿了。半年多时间估值翻了七倍还多，老股东超额认购，这个曲线在如今的一级市场里算是异类。

融资之外还有自己的造血能力，今年4月披露的数据，Kimi的年化经常性收入已经超过2亿美元，主要来自订阅收入，一级市场愿意给钱，自己又能挣钱，两条腿一起撑，规模路线的持续投入才有底。

钱给了它试错的底气，规模路线最怕的就是烧到一半没粮了，前功尽弃。

全行业不敢碰的方向恰恰是机会

我一直有个观察，当一个行业所有人都在同一个方向上卷的时候，被放弃的那个方向往往藏着最大的机会。

把模型做大这件事，前两年被讲成了过时的故事，算力被卡、成本失控、收益递减，每一条都像是劝退的理由。K3发布之后，美国银行的分析师在报告里写了一个判断，大意是说尽管算力条件受限，K3证明了预训练规模化配上架构创新，依然能给旗舰模型带来跨越式的能力提升。

翻译成人话，Scaling没死，只是没人敢赌了。

架构创新才是让这条路走通的关键

光堆参数是走不通的，2.8万亿参数如果按老架构去推理，成本会离谱到没有商业意义。

K3的解法藏在三个技术组件里，KDA混合线性注意力，注意力残差，加上高稀疏度的专家路由设计，896个专家每次只激活16个，官方给的数字是，从算力到模型能力的整体转化效率比上一代提升了两倍半左右，这三个组件此前都以研究形式开源过，不是这次凭空掏出来的。

我不是搞算法的，具体的技术细节等7月27日技术报告出来再说，可有一点是确定的，规模路线能不能走通，比的不是谁参数多,比的是谁能让大参数在经济上成立。

它到底想当什么

官方口径里藏着的定位信号

看一家公司的产品定位，别听它说了什么，要看它没说什么。

K3的官方介绍里，关键词是长程编程、知识工作、深度研究、多模态理解，通篇看下来，它没有一个字在讲聊天，没有一个字在讲陪伴，这个模型从定位上就没打算做你的日常助手，它想当的是一个可以数小时无人值守干活的数字员工。

官方给的能力描述也很直白，说K3能在极少人工干预的情况下持续执行数小时的工程任务，能理解庞大的历史代码库，能自己在终端跑命令、调工具，跑出错了还能自己看日志、自己纠偏。

秀肌肉的信号很明确

发布物料里有两个案例，我认为是理解K3定位的钥匙。

一个是K3自己剪的官方宣传片，从56段原始素材里完成选片、卡点、动作匹配和音频处理，用自家模型剪自家发布会的片子，这个行为本身就是产品定位的宣言。

一个是K3做了一份覆盖ASIC行业42年历史的深度研究报告，过程里跑了120多轮递归式的自我改进，执行了2800多次网页搜索和抓取，处理了87份季报和99份原始PDF，合计超过一万一千页资料，最后产出的是带定制图表和交互叙事的完整报告。

同一批物料里还有一份可控核聚变的产业研究，时间线、树状图、瀑布图、甘特图一应俱全，成品直接是能拿去给客户汇报的咨询报告规格。

这几个案例指向同一个方向，K3卖的不是聊天，是长程任务的完成度，顺带说一个很实际的细节，K3的API兼容OpenAI的SDK，开发者迁移过来几乎没有改造成本，这说明它对承接存量开发者这件事是有备而来的。

自报成绩单里的诚实与鸡贼

官方公布的基准测试结果，K3大部分项目超过了Opus 4.8和GPT-5.5，输给Fable 5和GPT-5.6 Sol。

这份成绩单我愿意给它一个评价，诚实的鸡贼，诚实在于它没吹自己天下第一，明明白白承认打不过最新的两个闭源旗舰，鸡贼在于这个卡位太精准了，开源第一、全球第三，既有话题性又留了余地，媒体爱传，同行难受，用户还觉得它实在。

上手实测与能力边界

编程能力，逻辑在线，审美偏科

社区里有个流传很广的测试，让K3从零做一个宠物寄养管理系统，它开工之前先把需求里所有互相矛盾的地方完整列了出来，每一组矛盾都给了推荐的处理方案，这个表现放在真实的开发协作场景里是相当能打的。

代码质量没得挑，界面就有点一言难尽了，默认生成的界面像一个开发者后台，功能全都在，就是不像给普通用户用的东西。要补一句用户端界面的要求，它才会把预约、付款、宠物实时状态这些流程做成正常产品的样子。

我的判断是，K3的逻辑分析能力过关，能发现需求里的结构性冲突，可它对普通用户审美和交互预期的直觉是偏弱的，跟它优化长程高难任务的训练定位是吻合的，擅长处理逻辑，不擅长猜人心。

代码调试

一段文件同步引擎的Node.js代码，埋的坑是分布式系统里的经典难题，多台设备同时编辑同一个文件，同步时拿时间戳当唯一的冲突裁决依据，后果就是旧版本可能反过来覆盖新版本。

这种bug阴险在哪呢，代码没有语法错误，逻辑看上去也通，只有真正理解分布式一致性的人才知道坑埋在哪，K3把问题的根源准确指了出来，修复方案也给到位了，社区实测的普遍反馈是，K3的从零生成和调试能力都在第一梯队，短板不在能不能做对，在做对要花多久。

公认的最强项的是视觉与3D

前端生成的审美水准，多个独立评测都认为已经摸到Fable 5的边了，3D场景更是被反复拿出来吹。

同一套提示词让K3和GPT-5.6 Sol各做一个瀑布场景，Sol把彩虹给漏了，K3不光有彩虹，水汽氤氲的质感也处理得更接近真实，差距就体现在这种地方，一个在完成需求，一个在琢磨效果。

长文本与知识工作

100万token的上下文窗口，配合长程任务能力，官方想讲的故事是知识工作的端到端交付，它有一套叫Kimi Work的工作流形态，前面提到的行业研究报告就是在这个形态下跑出来的。

官方口径说，K3在内部面向真实生产场景的评测里表现出一致的提升，这些评测来自真实用户和智能体协作流程中反复出现的任务模式，这段话我提醒一句，属于厂商自我陈述，方向可以参考，力度自己打折。多家独立评测倒是给了侧面印证，长文档的理解和结构化输出确实稳，几万字的材料喂进去，拆出来的框架很少跑偏，这一点对做研究和写报告的人是实打实的生产力。

速度和成本

现阶段K3只开放了max一个推理档位，默认深度思考拉满，有个海外开发者做了个很形象的测试，让K3画一只骑自行车的鹈鹕，模型消耗了一万三千多个推理token，最后输出三千四百个token的结果，这一只鹈鹕的成本是25美分。

社区实测的普遍结论是，同样的任务，K3要花掉别家两到三倍的时间，官方说后续会开放低档和高档的推理强度，速度问题可能会缓解，眼下这就是它最疼的地方。

产品经理看了会沉默的分层定价设计

K3的100万上下文不是人人都能用的，最低档49元的会员根本调不了K3，99元档只给256K，199元档往上才解锁完整的100万，把模型的核心卖点按会员等级切着卖，这个设计在商业上我理解，在体验上我保留意见。

它制造了一种很拧巴的用户心理，你宣传的时候讲100万上下文讲得震天响，用户充了钱进来发现自己那一档摸不到，这种落差感对品牌信任的伤害，可能比多收的那点钱值钱得多。

我做产品这些年有个体会，定价可以贵，规则不能藏。用户对贵的容忍度远比对被套路的容忍度高，这个分层设计要是把话在充值之前说透，骂声至少能少一半。

一个结构性判断

社区对K3还有两个高频吐槽，不约束配色和动效的话它会忍不住往里加东西，UI风格做多了会有似曾相识的感觉。

我的看法是本质上是同一件事，模型能力溢出了，产品化没跟上，它有太多能力想展示，没有一个足够好的产品层去约束和分配这些能力，这不是模型的失败，这是产品的缺位，而缺位的地方就是机会。

开源旗舰的定价权

为什么这件事值得单独拎出来讲

前面铺了这么多，这一节是全文的论点制高点。K3真正改变的不是某项能力的排名，是开源模型的定价逻辑

过去开源等于便宜，这是刻在所有人认知里的等式。K3把这个等式打破了

一份既便宜又昂贵的价目表

缓存命中的输入每百万token三毛美金，未命中三美金，输出十五美金。对比一下，Fable 5的输出价格是五十美金每百万token。

跟闭源旗舰比，K3便宜了三倍多，性价比依然成立。跟开源模型的历史价格比，这是天价，以前的开源模型哪敢这么开价。

还有一个不太起眼的参数值得一提，K3默认的最大生成长度是13万token出头，最高可以拉到100万级别，生成长度的上限直接决定了它能一口气交付多大的东西，一份完整的行业报告、一个中等规模的前端项目，理论上都能单次产出，这个能力和它的定价是配套的。

敢这么定价，背后是它认为自己提供的不是平替价值，是旗舰价值。虎嗅上有篇文章说了句挺狠的话，大意是普通人可能快用不起最强开源模型了，对开源模型的评判标准会更多转向产业和真实生产力价值。我认同这个观察，这可能是K3给整个行业带来的最深远的一个改变。

别家为什么跟不了

定价权不是想要就有的，背后得有壁垒撑着，K3的壁垒是双重的。第一重是2.8万亿参数的训练成本，能掏得起这张门票的开源玩家一只手数得过来。第二重是KDA这些组件是长期研究攒出来的，临时抱佛脚复现不了，两重壁垒叠在一起，短期内这个身位很难被追平。

一个绕不开的争议

K3发布后，海外开发者社区里有一条质疑的暗流，有人在K3的思考过程里发现了疑似引用Anthropic安全政策的痕迹，据此猜测它的训练环节用了Claude的输出做蒸馏，Hacker News和Reddit上为这事吵了好几轮，有人翻出更早的学术研究，说Kimi系列模型的行为指纹在工具调用模式上更接近Claude而不是GPT。

平心而论，行为指纹这种证据的证明力是有限的，风格像不等于数据来自，模型之间互相学习痕迹的溯源，学术界自己都还没有公认的可靠方法。

质疑是真实存在的，证据是间接的，结论是没有的。所有严肃一点的评测文章都在强调，这是一个开放问题，不是一个已经坐实的事实。7月27日权重放出来之后，社区会有机会做更深入的检验。

压力测试

K3发布对市场是一次真刀真枪的压力测试。

半导体股票下跌，逻辑是如果中国的开源模型能用受限的算力做到这个水平，那砸进美国AI基建的天量资本开支，回报率是不是要打个问号，这个剧本和之前DeepSeek引发的那一轮恐慌几乎一模一样。

有位美国的行业分析师直接说这是一次过度反应，和上次的恐慌相似得让人吃惊，他把原因归到政治层面,说华盛顿正在辩论该不该用中国的开源模型，情绪被放大了。他还补了一句挺讽刺的话，说中国人用自己的模型看起来过得挺好。

两种解读你信哪个不重要，重要的是，一个中国开源模型的发布能引发这个量级的市场反应，还能把上一次的恐慌剧本几乎原样重演一遍，这件事本身就是答案。市场用真金白银承认了一个它嘴上不愿意承认的判断，中美模型之间的差距，已经小到能影响资产定价了。

中外舆论的温差

怎么看口碑才不会被带偏

看模型口碑有个坑，信源是分层的，混着看必被带偏。我把信源分成三层，官方基准是厂商的自我陈述，方向可参考，数字要打折，独立评测是第三方的交叉验证，可信度最高，覆盖面有限，社区情绪是放大器，能看出关注度，看不出真实水平。

三个词就能概括国内言论

强得意外，慢得着急，贵得敢要价。

强，指的是编程、3D、前端审美这些独立评测反复验证过的硬能力。慢，指的是max档动辄半小时的等待。贵，指的是会员分层和那份旗舰价目表。国内讨论基本都在这三个词的范围里打转，情绪的底色是又爱又恨。

海外的声音，三层反应一层比一层深

海外的反应有意思得多，市场层，前面讲过了，芯片股下跌，恐慌情绪蔓延。

意见领袖层像PyTorch的联合创始人公开说这是世界级的模型。一位前白宫AI政策顾问评价说，这是对整个行业有重大影响的时刻。Stability AI的创始人说了那句被转疯了的话，美国的实验室最终会去蒸馏中国的模型。

开发者反倒是最冷静的。那位做鹈鹕测试的知名博主认真算了推理成本的账。有人把14项直接对比的基准逐项拆开，Fable 5赢了8项，K3赢了6项，据此批评媒体只挑最抓眼球的那张图做标题。细看分项更有意思，图表和仪表盘理解这类任务，Fable 5依然明显领先，93.5比91.3。还有评测机构提醒了一个更根本的问题，K3目前所有的成绩都还没有同一测试框架下的独立复现，权重放出来之前，严格讲所有训练层面的声明都处在无法验证的状态。Hacker News上还有人抖机灵，说排在两个模型后面的第二名，按小学数学应该叫第三名。

温差本身就是最大的信号

把中外舆论放在一起看，那个开头的拧巴就解开了。

国内嫌贵，是因为用户在拿它跟过去的开源模型比，比完发现平替变贵了，海外恐慌，是因为市场在拿它跟闭源旗舰比，比完发现差距快没了，两边用的参照系不同，得出的情绪相反，指向的事实却是同一个。

没有人再把K3当平替看了，它被当成正主对待了，嫌贵和恐慌，是这个事实投在两个人群身上的不同影子。

这个视角一换，很多争论就没意义了，争K3到底值不值那个价，不如想清楚你拿它当什么用，当聊天工具，它又慢又贵，不值，当一个能连干几个小时的数字员工，账就要重新算了。

机会点与一个悬念

照例用机会点优先级收尾，按价值和难度排序，这是我作为PM最想说的部分：

第一的是推理档位分级，把承诺的低档和高档尽快放出来，让用户能在速度和质量之间自己做取舍，价值极高，难度不大，纯产品决策，早一天上线早一天止血。眼下所有负面口碑里，慢是唯一一个纯靠产品配置就能大幅缓解的

排第二的是能力感知化设计，2.8万亿参数的差异，普通用户在对话框里是感知不到的。怎么让用户看见模型在长程任务里干了什么，比如把那种上百轮的自我改进过程可视化出来，这是把技术优势翻译成产品体验的关键一役。

第三的是Agent场景的产品闭环。前面说了，炫技和模板化的病根是能力溢出而产品缺位，谁能把K3的长程能力包进一个约束得当的产品壳里，谁就吃到最大的一波红利，这事月之暗面自己不做，就会有别人抢着做。

排第四的是会员定价的信任修复，分层可以有，落差感不能有，哪怕只是把各档位能用什么、不能用什么在充值页面写得明明白白，都比现在这种充完钱才发现摸不到核心能力的体验强得多。

给同行的三点启发

写了这么长，落到我们这些从业者身上，我觉得有三件事值得记下来。

评估模型的方式要进行优化，对话框里问几个问题就下结论的时代过去了，K3这一代模型的差异体现在长程任务里，你得让它真干几个小时的活，才知道它的成色，做模型选型的同学，评测用例应该对应的升级了。

二是选型的成本逻辑有变化，开源等于省钱，K3的价目表和部署门槛摆在那里。以前的决策树是先看开源够不够用，不够再上闭源，以后可能要按任务价值分层，高价值长程任务用旗舰，不分开源闭源，日常任务用便宜的小模型。

三是出现了应用层的窗口期，能力溢出而产品缺位，它本身就是机会，模型已经能干的事和产品让用户顺手干成的事之间，隔着一整层产品化的空间，这层空间眼下几乎是空的。

7月27日，K3的完整权重按承诺应该放出来了。到那天，蒸馏的质疑会迎来第一次真正的检验，部署门槛的问题会有社区给出的答案，这份自报的成绩单也会被扒得底朝天，这篇报告里的所有判断，都可能被那一天的新信息修正。