进入企业付费结算体系

根据 Baseten 与 OpenAI 的合作安排，企业用户可在 Codex 编程工具中直接调用 Kimi K3 等开源模型，相关调用费用计入企业已有的 OpenAI 采购承诺额度，无需新增供应商采购流程。也就是说，OpenAI 企业用户既可以通过 Codex，也可以通过 Responses API 调用 Kimi K3 等开源模型，从而在相同预算下获得更丰富的 AI 能力组合。

Kimi K3 的能力边界

Kimi K3 由月之暗面开发。官方宣称其是首个参数规模达到 2.8 万亿的开源模型，原生支持视觉能力，并拥有 100 万 Token 的上下文窗口，非常适合执行长时间编程、多文档分析等需要大量上下文支撑的任务。

一同进入该体系的还有智谱 AI 的 GLM 5.3，显示出 OpenAI 企业生态对中国开源模型的接纳正在从单点扩展到多模型并行。

出海与合规安排

在合规层面，Baseten 承诺其提供的所有模型均运行在美国服务器，并对所有提示词实行零数据保留（ZDR）策略。这一安排旨在满足企业客户对数据主权与隐私保护的诉求。

值得关注的是，这并非中国大模型出海的唯一进展。此前不久，亚马逊云科技旗下的大模型服务平台 Amazon Bedrock 已宣布接入 Kimi K3，标志着中国大模型公司首次以收入分成模式向全球头部云厂商输出模型能力。从 Bedrock 的分成合作到进入 OpenAI 企业结算通道，中国开源模型正在以更深层的方式融入全球 AI 基础设施体系。

两个月，年化收入从 3 亿到 10 亿美元

推动这轮跃升的关键节点是 7 月发布的旗舰模型 Kimi K3。知情人士称，月之暗面的年度经常性收入（ARR）在 8 月突破 10 亿美元，较 6 月的约 3 亿美元增长超过两倍。若年底目标兑现，意味着其年化收入将在半年时间内增长逾 6 倍。

需要厘清的是，年化收入并不等于已经到账的收入。ARR 是按照当前一段时间的收入速度外推一年得出的指标，用于衡量业务运行规模与未来收入潜力。月之暗面目前仍未上市，没有公开经过审计的完整财务数据，因此 10 亿美元与 20 亿美元都应视为知情人士披露的预期口径。

Kimi K3 之所以能迅速转化为商业需求，原因在于性能与成本的双重优势。这款模型拥有 2.8 万亿参数，在编程、复杂推理和长任务处理等测试中表现突出，并在部分第三方基准测试中跻身全球领先模型行列，使用成本却明显低于美国部分顶级竞品。

需求的热度一度超出供给能力。Kimi K3 发布后不久，月之暗面曾因算力不足暂停新的消费者订阅，当时公司表示模型上线后的用户请求量远超预期，现有计算集群接近承载极限。对一家仍在扩张期的公司而言，”需求超过算力供给”本身成为投资者判断其商业化潜力的信号。

从消费者订阅走向云端与企业客户

月之暗面的收入结构正在从单一的消费者订阅，向接口调用、企业服务与海外云平台托管扩展。对于拥有 2.8 万亿参数的 K3 而言，绝大多数企业并不具备自行部署如此规模模型的能力，云平台因此成为重要的商业化渠道。

据报道，公司正与微软、亚马逊和谷歌就 Kimi K3 的云端托管和收入分成进行谈判，希望从相关服务收入中获得最高约 30% 的分成。在企业侧，月之暗面近期组建了工程师团队，帮助亚信科技、金山云控股等客户部署其模型。早期公司主要在程序员与个体创业者中取得突破，如今正寻求规模更大的企业客户以支撑后续增长。

资本市场也在同步升温。月之暗面目前正以约 500 亿美元估值进行新一轮融资，这一估值与智谱目前的市值大致相当。有市场消息称，公司已秘密向香港交易所提交首次公开募股申请，最快可能在今年完成上市。

中国大模型公司的收入座次

横向对比更能看出这轮增长的含金量。MiniMax 披露，今年 8 月其 ARR 达到 8 亿美元；智谱的年化收入在 7 月突破 10 亿美元后，同期进一步升至 16 亿美元。相比之下，月之暗面 8 月约 10 亿美元的体量，已经使其进入中国大模型公司的第一梯队，并成为智谱与 MiniMax 的直接竞争者。

不过放在全球尺度上，中国人工智能开发商在收入规模上仍明显落后于美国的前沿实验室。OpenAI 与 Anthropic 凭借更早的企业级布局，年化收入仍高出数量级。

真正棘手的问题对所有玩家一视同仁：训练和运行前沿模型需要采购大量图形处理器、建设数据中心，并承担巨额电力与推理成本。收入快速增长并不自动等于高利润的商业模式，砸下去的基础设施投入最终能否产生足够回报，仍是投资者长期关注的悬案。

Kimi K3 已经明显改变了月之暗面的增长曲线。接下来的看点在于，这款模型能否持续保持技术领先，以及这波热度能否转化为稳定的企业合同、接口收入和海外云服务收入。

不用改一行配置，模型自动升级

升级最省心的一点是 Model ID 保持不变，仍为 kimi-for-coding。这意味着命令行工具、VS Code 扩展以及已经接入 Kimi Code 的第三方应用都不需要修改任何配置——Base URL、API Key、调用方式全部沿用原样，用户什么都不用做，手里的工具就自己变强了。

需要注意的是，官方提示不要把模型显示名”K2.8 Preview”直接填进 Model ID。自行创建 API Key 时，OpenAI 兼容接口的 Base URL 为 https://api.kimi.com/coding/v1，Anthropic 兼容接口为 https://api.kimi.com/coding/。

在客户端里切换模型也有明确路径：Kimi Code 命令行输入 /model 后从列表中选择 kimi-for-coding，若列表未刷新，可先执行 /logout 再 /login；VS Code 版则在输入框的模型下拉菜单中选择。

三档思考强度，与 K3 完全对齐

K2.8 Preview 支持 thinking effort 档位调节，提供 low、high、max 三档，默认使用 max，档位设计与 K3 的思考等级保持一致。简单补全可以降低档位换取速度，复杂重构、跨文件排查则保留默认设置。

另一条容易被忽略的规则是：关闭 thinking 之后，K3 系列与 K2.8 Preview 的请求都会路由到 K2.8 Preview 的无思考版本。也就是说，追求响应速度时可以把简单任务和深度任务拆开处理，两者互不干扰。

百万上下文向所有会员开放

上下文窗口是本次升级的另一个重点。K2.8 Preview 提供最高 1,048,576 token（约 100 万）的上下文窗口，且全部会员档位均可使用，不再受会员等级限制。图片和视频输入同样在支持范围内，调试录屏、界面截图和代码文件可以放在同一条任务里分析。

作为对比，Kimi Code 目前的模型矩阵是：K3（k3，2.8 万亿参数规模，1M 上下文，Moderato 及以上会员可调）、K3-256k（k3-256k，262,144 上下文，仅支持图片输入）、K2.8 Preview（kimi-for-coding，1M 上下文，所有会员可用）、K2.7 Code HighSpeed（kimi，262,144 上下文，面向更看重输出速度的编码任务）。

官方给出的定位也很清晰：日常代码补全、功能开发和常规仓库任务优先使用 K2.8 Preview；需要更强的长程推理和复杂工程能力时再切换到 K3。

百万上下文怎么用才不浪费

上下文变长不等于可以无脑堆料。官方给出的建议是，把任务目标、完成标准和不能改动的目录写在开头，再让模型自行搜索相关文件，比把整个仓库和全部历史对话反复贴进去更省。

具体到不同场景：处理大仓库时，先让模型列出与目标功能有关的入口、调用链和测试文件，确认范围后再开始修改；处理长文档时，先要求模型定位章节、表格和结论，再对命中的部分做摘要、改写或交叉检查；处理多轮任务时，每完成一个阶段就保留决策、改动文件和待办事项的短摘要，后续对话引用这份摘要，减少无关历史占用上下文。

还有一个实操提醒：切换模型或思考档位后，旧会话的上下文缓存可能无法命中，刚切换时消耗会偏高。长任务建议新开会话，再把任务目标、目录结构和关键约束写清楚。

从性价比角度看，K2.8 Preview 保留了原来的接入方式，又把更长上下文和可调思考带进日常工作流，对大多数开发任务来说，它已经是 Kimi Code 里更顺手的默认选项。

全球最大开源 AI 模型平台发布的 2026 年春季报告显示，过去一年，该平台 41% 的大模型下载量来自中国研发的模型，中国已超过美国，成为全球开源模型供给最活跃、增长最快的地区之一。在多家权威信源的统计中，全球主流大模型调用榜单前列的模型，大多由清一色中国团队包揽。

从追赶到领跑

据中国信息通信研究院相关专家解读，这反映出中国开源模型已进入全球开发者与企业的实际应用体系，成为人工智能创新生态的核心贡献者。报告显示，过去 12 个月里，国产模型有 9 个月保持着全球开源模型的规模上限，迭代节奏持续领跑。

代表性成果接连涌现。深度求索（DeepSeek）的新一代开源模型 V4 以百万词元的超长上下文窗口打造高性能产品，并面向全球开发者免费开放模型权重与底层代码；月之暗面（Moonshot AI）开源的旗舰模型 Kimi K3 参数规模达到 2.8 万亿，是目前全球参数规模最大的开源大模型，发布内容包括完整权重、技术报告及三项底层训练基础设施技术，供开发者本地部署与二次开发。

落地到实体经济

中国开源模型之所以受到全球开发者青睐，除了技术水准，还在于开放与可定制的姿态。以京东方研发的”蓝鲸显示大模型”为例，其技术底座采用了国产开源大模型。京东方方面表示，开源模型具备成本优势（免费）、可结合场景深度适配、可私有化部署三大特点，既能保障信息安全，又能根据实际产线需求定制为”行业大脑”。目前该模型已在京东方多地工厂应用于生产制造、创新与企业运营等环节。

统计数据勾勒出生态全貌：中国人工智能企业数量已超过 6000 家，产业链覆盖智能芯片、算力集群、模型研发与场景应用等全链条；国内生成式人工智能用户规模逾 6 亿；日均词元调用量突破 140 万亿。另据测算，中国持有全球约 60% 的人工智能专利。

开源作为一种路径

之江实验室主任、中国工程院院士王坚曾表示，中美人工智能发展已出现一条分水岭，这条分水岭就是开源，中国开源模型的数量与质量都走在全球前列。月之暗面创始人杨植麟则认为，开源开放的行业精神是中国 AI 对全球市场最独特的贡献。

政策层面也在加码。工业和信息化部等八部门联合印发的”AI+制造”实施方案提出，到 2027 年推动 3 至 5 个通用大模型在制造业深度应用，建设 100 个高质量工业数据集，在 500 个代表性工业场景中拓展部署。中国工程院院士王坚强调，开源不是施舍，人工智能比以往任何技术都更需要全球治理与共享。

（本文事实依据人民日报、央视《焦点访谈》、CGTN 及中国工信新闻网等公开报道。）

月之暗面在 7 月发布的 Kimi K3，总参数 2.8 万亿、每个词元激活约 1040 亿，走的是把视觉从预训练阶段就揉进主模型的路子，还从零训练了约 4 亿参数的视觉编码器 MoonViT-V2，不再借用现成的图文对比预训练权重。效果很直接：K3 发布后以 1679 分登上 Arena 前端代码榜首，这个榜单由用户盲选模型生成的可交互网页排名，看的不只是代码能不能跑，还包括页面最终长什么样。浏览器开发平台 Puter 在测试页里埋了 5 处视觉偏差，K3 对照目标页和运行页截图全部找出，没有误报。月之暗面把这种”写完代码看一眼页面再改”的循环叫作视觉在环。

几周后 DeepSeek 给了另一种答案。V4-Flash 正式版总参数 2840 亿、每个词元激活 130 亿，分别只有 K3 的十分之一和八分之一，架构和参数规模都没动，全部力气花在后训练上，在考察网页开发和多轮工具操作的 Arena 网页开发榜上一度冲到 1577 分。它证明了：不加视觉、不扩规模，光靠后训练一样能把编程能力顶上去。

说白了，两家争的从来不是”多模态该不该做”。DeepSeek 创始人梁文锋早就说过”多模态最终还是要做的”，分歧只在于什么时候做、愿意为此让出多少模型容量、数据和算力。多位业内人士的看法也一致：编程能力才是上牌桌的门槛。有意思的是，阿里刚发布的 Qwen3.8-Max 站到了和 K3 相近的一边——2.4 万亿总参数、激活 950 亿，视觉、编程、协作一起扛。

对普通用户，这个分岔的现实意义很具体：如果你常截图丢给模型改页面、做幻灯片，优先选原生带视觉的；如果只写代码、处理文档，小而便宜的纯文本模型性价比明显更高。你平时给模型喂图多，还是喂字多？

来源：36氪·智能涌现《Kimi K3与DeepSeek V4之间，隔着原生多模态的时间差》，作者 李炤锋，编辑 张雨忻

三位工程师讲了三招。第一招，把模型用来记住上下文的「键值缓存」从 16 位精度压到 8 位，Kimi K2.6 能同时装下的上下文量从约 68.6 万词元翻到约 137 万。反常识的地方在这儿：单个请求反而更慢了（每秒 137 个词元降到 125），可同时能处理的请求数从 32 个上限顶到 64 个，峰值吞吐比原来高出 41%，每词元成本降约三成。第二招，把 GLM 5.2 的权重从 8 位浮点压成 4 位整数，模型文件从 705GB 缩到 421GB，单张显卡占用从约 88GB 降到 52GB，解码速度不降反升 55%。

说白了，这是拿「单个用户慢一点」换「同时能服务的人多一倍」——云厂商算的是总账，不是单笔账。而两项常用测评的分数几乎没掉（94.24 对 94.09、89.11 对 89.04），说明这笔账划得来。第三招则是给共享缓存加了一层校验，防止上百个请求读串页，代价不到 1% 的吞吐。

有意思的是，中国开源模型如今成了海外云厂商眼里「最难伺候、也最值得下功夫」的一类。如果要接一个大模型进自己的项目，你会先看效果还是先看单价？

来源：Cloudflare 官方博客《Smaller, faster, safer: running Kimi and GLM at scale》，作者 Alex Reneau、Kevin Flansburg、Chi McIsaac，2026 年 8 月 3 日

模型太大，主流显卡装不下

Kimi K3 于 7 月 16 日正式发布、7 月 27 日开放完整模型权重，是迄今全球参数规模最大的开源模型：总参数 2.8 万亿，采用混合专家（MoE）架构，每次推理实际激活约 1040 亿参数。专家总数为 896 个（另有 2 个共享专家），每次选择其中 16 个参与计算，上下文窗口为 100 万 token，原生支持视觉输入。模型基于月之暗面自研的 KDA（Kimi Delta Attention）混合线性注意力机制与注意力残差（AttnRes）技术构建。

模型权重约 1.5TB，未分配 KV 缓存就已经超过 1.5TB 显存要求。即便是拥有 8 块 B200 的节点（每块 192GB）也无法装下完整的 K3 与百万级 token 的 KV 缓存。剩下的选择是：要么升级到显存更大的 B300（每块 288GB），要么把两个 B200 节点串起来用张量并行（TP16）跑。

另一条路则是 AMD MI355X——单卡同样配备 288GB 显存，与 B300 一致，而每 GPU 的均价只有 B300 的约 1/2.4、B200 的约 1/1.7。硬件规格相近，价格便宜得多，听上去很美。瓶颈在软件：AMD 生态的算子优化普遍慢一拍，推理框架对新硬件的零日支持也常常慢人一步，这正是 Wafer 团队想要验证的地方。

实测数据：便宜，而且更快

Wafer 在 8 块 MI355X 的节点（TP8）、两台 8 块 B200 的节点（TP16）、单台 8 块 B300 的节点（TP8+DCP8）三套配置上跑了同一组基准：1024 token 输入、400 token 输出。

单流解码速度方面，MI355X 为 118 tok/s，B200 节点为 90 tok/s（这是 16 块 GPU 跨节点的总量，平摊到单机约为 249 tok/s 总量中更难直接拿来对比的单流表现），B300 节点为 172 tok/s。MI355X 的单流解码速度是 B200 节点的 1.3 倍以上，仅落后 B300 约 45%。

峰值聚合吞吐方面，MI355X 节点为 952 tok/s，B200 节点为 498 tok/s（双节点 16 块 GPU 加起来的总量），B300 节点为 1568 tok/s。换算到每块 GPU：MI355X 为 119 tok/s，B200 约 31 tok/s，B300 为 196 tok/s——MI355X 是 B200 的 3.8 倍。

按 B200 4.25 美元、B300 6 美元、MI355X 2.5 美元每 GPU 小时的价格计算，每美元每秒吞吐的对比如下：MI355X 为 48 tok/s，B300 为 33 tok/s，B200 仅 7 tok/s。MI355X 的每美元吞吐分别是 B300 的 1.45 倍、B200 的约 6.9 倍。

需要为 B200 节点说句公道话：它的单流数据被跨节点 all-reduce 拖了后腿（用的是 RoCE v2 网络，约 195 Gb/s）——这是三套配置里唯一跨节点的方案，K3 的权重加 1M token 的 KV 缓存确实塞不进单台 8 块 192GB 显卡的服务器。但反过来也说明，K3 这种体量的模型正好让主打大显存的 MI355X 找到了一个对 B200 有实际意义的优势点。

让 MI355X 跑起来的两个补丁

Kimi K3 开箱即可在 AMD 上跑起来，但要拿到上面的峰值数字，还需要两个补丁。

第一个补丁在投机解码上。K3 没有内置任何草稿张量，既没有 MTP，也没有 EAGLE，唯一的投机路径是外部块扩散：RadixArk 出品的 Kimi-K3-DSpark。在 CUDA 上直接就能跑；在 ROCm 上，第一个真实请求就把调度器打挂了，错误是 `NameError: name ‘top_k_renorm_prob’ is not defined`。原因是 sglang 的接受采样验证器有一条走 `torch.topk` 的稀疏路径，需要先调用 `top_k_renorm_prob` 函数；ROCm 构建里只挂了 Triton top-p 算子的别名，没把这个 top-k renorm 函数定义出来，于是请求一落到稀疏路径就立刻崩。

修法只需要一段 PyTorch 函数：拿到概率向量，保留 top-k 项、把其他位置置零、再做一次缩放。sort、masked_fill、divide 三步搞定，加进 sglang 的 ROCm 采样分支，效果与 CUDA 路径上来自 `sgl_kernel` 的原生实现完全一致。这个小改动让单流性能提升约 2.2 倍，中等负载下单流提升约 1.7 倍，峰值聚合吞吐提升 18%。更重要的是，峰值吞吐对应的并发从 24 提到了 64。

第二个补丁在 prefill 阶段。Wafer 团队提醒，业内谈模型性能时往往只盯着解码 tok/s，但用户真正感受到的是首 token 时延（TTFT），而 MI355X 在这里偏弱。同样的 172k token 冷启动 prefill，MI355X 需要约 51 秒，B300 只需约 23 秒。

差距几乎全部来自一颗算子。K3 在 ROCm 上回退到了速度一般的 Triton 通用注意力实现，因为 AITER 的 MLA prefill 高速内核加载失败。表面看是缺内核，实际是 shape 不匹配：K3 在 TP8 下每个 rank 的注意力头数是 12，而 AITER 的 MLA 路径只支持 4、8 或 16 的倍数。修法是给头数从 12 零填充到 16，跑完高速内核后再从输出里取出实际的 12 个头。结果是，同样 172k 的冷启动 prefill，AITER MLA prefill 稳态速度约 13k tok/s，Triton 兜底只有 4k-7k tok/s，prefill 整体提速约 2 至 3 倍。

这次没有写自定义内核

Wafer 的结论是：在 MI355X 上拿到最佳每美元吞吐基本是开箱即用，除了两个预期的框架级 bug，没有比 GLM5.2 时代更糟，甚至完全不需要写自定义内核。

他们由此判断，SOTA（业界最优性能）在 AMD 上已经指日可待，CUDA 的护城河正在被蚕食。

补充月之暗面官方公布的成绩：Kimi K3 在大模型编码评估系统 Frontend Code Arena 榜单上以 1679 分登顶，超过 Claude Fable 5 和 GPT-5.6 Sol 等闭源模型，是开源模型首次在该榜单夺冠；BrowseComp 测试得分 91.2%，高于 GPT-5.6 Sol 的 90.4% 和 Claude Fable 5 的 88.0%，单任务成本 2.03 美元，约为 GPT-5.6 Sol 的一半。API 官方定价为：缓存命中 2 元/百万 token、未命中输入 20 元/百万 token、输出 100 元/百万 token，Mooncake 分离式推理架构使编程场景的缓存命中率超过 90%。

来源：Wafer Blog《Is memory the moat?》原文（2026 年 7 月）；月之暗面官方博客《Kimi K3: Open Frontier Intelligence》及官方模型卡。

更能说明热度的是平台的临场反应。据《科创板日报》报道，Kimi K3 上线后，API 请求量远超超算互联网平台的预期。为了满足不同层次用户的需求，平台在原有按量计费的基础上，紧急推出了「Token Plan」包月订阅模式，采用精细化积分计费，并兼容主流终端与 AI 编程工具。一款开源模型逼得国家级算力平台连夜加推套餐，这样的场面并不多见。

全球最大开源模型，全链条开放

Kimi K3 的分量确实够重。它采用混合专家（MoE）架构，总参数量达到 2.8 万亿，约为前代 K2.5 的 3 倍，是目前全球参数规模最大的开源大模型。本次开源采用修改版 MIT 许可证，覆盖模型权重、技术报告，以及支撑 K3 训练的三项底层基础设施技术：MoonEP、FlashKDA 和 AgentEnv。

这三项技术是 K3 在算力受限条件下实现高效训练的核心支撑。按官方介绍，MoonEP 是专为超大规模细粒度 MoE 打造的高性能通信库；FlashKDA 是 Kimi Delta 注意力机制的高性能算子实现，在英伟达 H20 芯片上预填充速度较基线提升 1.72 至 2.22 倍；AgentEnv 则是联合 KVCache.ai 开发的智能体沙箱系统，支持环境快照、恢复与分叉，用于大规模多智能体并行训练。

在架构层面，K3 结合 Stable LatentMoE 框架，可以在 896 个专家中高效激活 16 个，再加上训练方法和数据配方的优化，整体规模化训练效率相比 K2 提升约 2.5 倍。

半小时登顶，产业链「零日适配」

开源消息放出后，全球开发者社区的反应相当激烈。Hugging Face 首席执行官 Clem Delangue 公开表示，Kimi K3 上线仅 30 分钟便收获超过 4000 个点赞，登顶平台趋势榜榜首，创下 Hugging Face 成立以来最快的发布增长纪录；上线前半小时，已有近 3700 名开发者在排队等待下载。

产业链的跟进速度同样罕见。中国市场方面，华为昇腾 CANN 宣布昇腾 950 全系列、Atlas A3 产品完成 Kimi K3 部署适配；阿里云真武 M890 超节点实例实现首日适配，千问 AI 平台与阿里云百炼后续也将上线 Kimi K3 的 API。海外方面，Nebius、Baseten、Fireworks 等主流 AI 基础设施厂商均宣布首日完成适配，Nebius 更是评价 Kimi K3 为「首个达到前沿性能水平的开放权重模型」。

国家级算力平台入场意味着什么

国家超算互联网此次的快速跟进，对开发者是实打实的利好。此前想跑通一个万亿级参数模型，要么自建昂贵的 GPU 集群，要么依赖海外云服务；现在通过国家级算力平台，下载、部署、API 调用一站式打通，新推出的包月订阅还让中小团队能以更可控的成本用上顶级开源模型。

对月之暗面而言，这也是商业化提速的一环。该公司总裁张予彤此前披露，K3 发布后企业年度经常性收入（ARR）实现数倍增长，6 月中旬已突破 3 亿美元；其新一轮融资也已启动，投前估值涨至 315 亿美元。开源模型、国家算力、云厂商三方合流，Kimi K3 的这波热度，恐怕还要持续一段时间。

来源：36氪《超算互联网AI社区上线Kimi K3相关模型及API调用服务》、科创板日报、每日经济新闻

2.8万亿参数背后的技术账

Kimi K3 采用混合专家（MoE）架构，总参数量高达 2.8 万亿，内置 896 个路由专家，每个 token 仅激活其中 16 个。这意味着虽然参数规模惊人，但单次推理的实际计算量只是总参数的一小部分，兼顾了规模与效率。

模型的另外几项核心规格同样抢眼：上下文窗口达到 100 万 token（精确值为 1,048,576），可以直接处理整个代码库或超长文档；原生支持视觉能力，文本、图片、视频输入共用同一个模型，无需外挂视觉适配器。

支撑这些能力的是两项架构创新——Kimi Delta Attention（KDA）混合线性注意力和 Attention Residuals（注意力残差）。官方技术报告显示，与上一代 K2 相比，K3 的参数规模扩大约 3 倍，整体扩展效率反而提升了约 2.5 倍。

除模型权重外，月之暗面还同步开源了三项训练基础设施：面向超大规模 MoE 的高性能通信库 MoonEP、KDA 高性能算子 FlashKDA（在英伟达 H20 上预填充速度较基线提升 1.72 至 2.22 倍），以及与 KVCache.ai 合作开发的智能体沙箱系统 AgentEnv。

海外平台为何抢着上架

Telnyx 在发布说明中列出了接入 Kimi K3 的理由：可配置的推理强度（低、高、最大三档）、函数调用与 JSON 结构化输出、默认开启的提示词前缀缓存——这些都是构建智能体应用的关键能力。在 Telnyx 平台上，K3 与 Kimi K2.6、GLM-5.2-FP8、MiniMax M3 等模型并列可选。

Telnyx 还给出了一个耐人寻味的判断：AI 行业的竞争优势，正在从「谁能造出最聪明的模型」转向「谁掌握决定每个请求跑在哪里的基础设施」，而 K3 的出现恰恰说明，模型侧的问题正在被开源力量解决。该公司认为，K3 在编程、推理和智能体任务的基准测试中已能与海外头部闭源模型正面竞争，「开源与前沿实验室的差距没有想象中大，某些场景甚至已经追平」。

生态连锁反应已经出现

开源发布后，产业链反应迅速：阿里云千问平台宣布上线 K3；华为昇腾完成「零日适配」，这是首个在中国自研芯片上跑通的开放 3 万亿级模型。投行也给出了评价——摩根士丹利称，Kimi K3 证明中国大模型在规模、性能、定价三个层面实现了全方位追赶；高盛则认为，中国开源模型的智能水平已达到全球大规模普及的临界点。

不过，「开源」不等于「人人可用」。2.8 万亿参数的体量意味着本地部署门槛极高，仅加载模型就需要至少 10 张 GB300 级别的 GPU。也正因如此，K3 上线后不久便因算力紧张暂停了新用户订阅——对绝大多数开发者而言，通过云平台调用 API 仍是现实的选择，这也解释了海外推理平台为何急于第一时间上架。

来源：Telnyx 官方发布说明、Hacker News、Pandaily、腾讯新闻

单是性能表现就已经足够让业界侧目，而月之暗面接下来的动作更耐人寻味：免费开放模型权重，并且明确瞄准海外开发者。这让美国 AI 公司开始认真思考一个问题——当越来越强的开放模型不断入场，闭源模式还能继续占据主导地位吗？

「开放权重」不等于「开源」

需要先厘清一个概念：Kimi K3 这类开放权重（open-weight）模型，并不是传统意义上的「开源」。在软件行业，开源有明确定义——源代码公开，可自由使用、修改和再分发。而 AI 系统要复杂得多，目前极少有模型达到这个标准。多数公司公开的只是「模型权重」，也就是 AI 在训练过程中学到的数值参数，训练数据、代码、模型架构和配置方法等关键部分仍然保密，使用许可上通常也有诸多限制。

这意味着开放权重模型无法像真正的开源软件那样从零复刻，但它提供的能力和灵活性，已经足够让开发者干很多事：检查模型如何运作、在自有基础设施上本地部署、深度定制，以及在不依赖单一供应商的前提下构建新产品——而且往往便宜得多。

免费送出权重，钱从哪儿赚？

花巨资训练一个模型，然后把最值钱的部分免费送出去，这门生意怎么算得过来？

福特汉姆大学法学院教授 Chinmayi Sharma 一语道破：「一套免费的权重，不等于一项免费的 AI 服务。」公司可以送出模型权重，然后在技术栈的其他环节赚钱——运行模型仍然需要算力基础设施、工程能力、安全保障、维护和技术支持，这些都可以通过托管服务等方式收费。对某些公司而言，回报还可能来得更间接：比如带动云计算服务或高端芯片的需求。

开放本身也是一种争夺竞争优势的策略。公开模型权重能吸引更多公司和开发者使用，进而催生围绕它的整套工具和基础设施生态。时间一长，这个模型就可能成为「事实标准」。乔治城大学安全与新兴技术中心高级研究分析师 Kyle Miller 举了阿里巴巴通义千问（Qwen）系列开放权重模型的例子——它已经深深嵌入行业的各个角落，展示了开放系统的渗透力。

美国巨头的两难

这给美国 AI 巨头出了个难题：如果一代开发者和工具都围绕 Kimi K3 这样的开放模型构建，行业重心就可能从 Gemini、Claude、ChatGPT 这些专有平台上移开。开放权重模型历来是专有系统的低成本替代品，而且在美国实验室不断收紧访问权限、给最新模型加上更严格护栏的当下，它们给了开发者更多自由。已有迹象显示，一些美国公司正在转向更便宜的中国模型。

压力也在美国科技行业内部发酵。此前有消息称美国可能因 Kimi K3 而限制开放权重 AI 的获取，随即引发科技界强烈反弹：包括 IBM、微软、Meta、英伟达、Perplexity 和 Palantir 在内的 25 家科技公司联名发布公开信，呼吁政策制定者避免「过早设限」，称开放权重模型对保持美国 AI 领先地位至关重要，能防止这项技术的力量和红利「集中在少数人手中」。值得注意的是，谷歌、OpenAI 和 Anthropic 均未出现在首批签名名单上。

本周一，英伟达、微软、SpaceX 等一批大型科技公司再次发声，呼吁美国加大对开放权重模型的支持。谷歌和 OpenAI 随后也表态反对仓促限制开放模型，但都没有加入周一的倡议；Anthropic 则两边都没有支持。

闭源巨头会让步多少？

Miller 认为长期走向仍是「未知数」。美国公司可能推出更强的自家开放权重模型——事实上，来自中国同行的压力正是 OpenAI 去年发布开放权重模型 GPT-OSS 的部分原因，谷歌的 Gemma 系列在一定程度上也被视为对同类竞争的回应。但这两者的能力都远不及各自的旗舰专有模型。「像 Anthropic 这样的公司，估计不会走这条路。」Miller 说。

Sharma 则给出了另一种预判：美国公司面临的问题会越来越具体——「需要开放多少能力，才能阻止中国模型成为开放生态的默认平台？」更可能的结果是一种「组合策略」：把最强的模型留作专有，同时不断放出能力越来越强的开放权重版本，以维持开发者的采用率和生态影响力。

Kimi K3 能否赢得海外开发者，还需要时间验证。但可以确定的是，它绝不会是最后一个尝试打开国际市场的中国开放模型。摆在美国大型 AI 公司面前的问题，已经不只是如何保持领先，而是闭源 AI 还能不能——或者说该不该——继续走下去。

来源：The Verge（原文作者：Robert Hart）