2.8万亿参数Kimi K3开源，月之暗面能赢下什么？

研究员｜卢杨

7月27日，月之暗面如约开放Kimi K3模型权重。这款号称2.8万亿参数规模的大模型，同时发布了详尽的技术报告。

K3基于两项关键创新，即Kimi Delta Attention（KDA）注意力机制与注意力残差（AttnRes）模块，试图从根本上优化信息在极长序列与深层网络中的传播效率。研发团队还大幅提升了混合专家（MoE）模块的稀疏度，并结合稳定的LatentMoE框架，实现了在896位专家中仅动态激活16位的精细调度。

也就是说，尽管模型总参数高达2.8万亿，但每次处理一个token时，实际参与计算的参数仅约500亿至600亿，这就是MoE稀疏激活的核心价值所在，它显著降低了计算冗余。

为配合全面升级的训练策略与数据配比，这些架构层面的协同突破，使得Kimi K3相较上一代K2的整体扩展效率跃升约2.5倍。

Kimi称，这意味着模型能够以更低的算力成本换取更高的智能水平，为后续在超长上下文、复杂推理等场景的规模化应用奠定了坚实的技术底座。

业内有分析认为，KDA与AttnRes的组合有望成为长序列建模的新范式，稀疏MoE的工程化落地，也进一步验证了月之暗面在高效大模型路线上的持续领先优势。

而现实的问题是：如此庞大的模型，真的属于普通用户吗？对于大多数消费者而言，答案可能是否定的。X上的一张梗图十分形象：

运行这样规模的模型，需要的不只是下载一个软件，而是大量GPU资源、部署能力以及技术维护能力。

多家媒体称，Kimi K3所需的硬件部署成本高达上千万元。也因此，K3的主要服务对象，并不是普通消费者，而是专业开发者、企业和研究机构。包括Hugging Face上的开发者社区对于Kimi K3开源的讨论，也大量集中在部署成本、硬件需求和二次开发层面，而非仅仅作为一个ChatBot使用。

在Kimi K3开源之后的4小时左右，Arena公布的前端代码竞技榜单显示，Kimi K3排名第二，仅次于最新发布的Claude Opus 5 Max。

该榜单主要测试模型在真实前端开发任务中的表现，包括网页生成、代码修改、工程实现等场景。Claude Opus 5 Max得分1725，Kimi K3得分1682，超过Claude Opus 5 High、Claude Fable 5以及GPT-5.6 Sol等模型。

对中国其他的AI模型企业而言，K3最值得深思的或许不仅仅是参数，而是它对行业规则的改写。

01 模型本身不再是护城河

上海人工智能研究院特聘专家尹智告诉第四波，未来，仅靠做模型没有机会了。他认为，在中国讨论开源闭源意义已经不大。因为中国头部的模型，如DeepSeek、智谱、千问都选择开源路线。过去闭源模型靠能力优势收费，但当开源模型在编程、Agent等关键任务上逼近甚至反超闭源模型时，闭源的商业逻辑就松动了。

清华大学科技发展与治理研究中心主任助理陈天昊在讨论中补充了一个视角：开源不只是商业策略，也关乎“技术信念”。他认为，中国企业做开源，“并不仅仅是为了和美国的闭源企业开展所谓的竞争”，而是相信“开源是一条更加普惠的道路”。

行业数据支撑了这一判断，全球最大的AI开源社区Hugging Face发布的《2026年春季全球开源AI生态报告》显示，过去一年，该平台上41%的大模型下载量来自中国研发的模型，中国已成为全球开源大模型供给最活跃、增长最快的地区之一。

但这不意味着所有企业都要走同一条路。陈天昊指出，企业需要在“技术理想和商业现实之间达到一个平衡点，才能够去做开源，如果完全为了技术理想而没有任何商业上的可行性，那这个企业也很难持续发展”。

02 模型不赚钱了，那钱从哪来？

尹智认为，在模型的基础上，再去搞智能体，搞应用平台，“这个是有机会的”。他打了个比方，开源模型会像今天的Linux或安卓，成为用户的产品的操作系统或者开发平台。大厂都在做WorkBuddy、千问办公，本质就是把AI能力释放到具体场景去变现。

陈天昊进一步区分了两类玩家的差异：“AI原生企业更希望做技术上的单点突破，一旦突破之后就可以获得更大的优势；平台企业会负担更重，希望更快地变现。”

整体而言，模型本身正在失去商业护城河的价值，K3的开源让中国AI竞赛的焦点从参数规模转向生态厚度。这也留下疑问，AI时代，谁最终会成为那个被所有人依赖的“水电煤”？

编辑｜张猛 邱慧