2.8万亿参数的Kimi K3，月之暗面的背水一战

7月17日凌晨，月之暗面扔出了一颗炸弹。

Kimi K3。总参数量2.8万亿，上下文窗口100万token，原生支持视觉理解，7月27日前开源。

朋友圈和技术群里瞬间刷屏。有人说这是国产大模型的封神之作，有人说月之暗面终于正面硬刚Claude和GPT了。

但我的第一反应不是兴奋。是紧张。

2.8万亿参数确实是个让人咋舌的数字。可数字背后，月之暗面真正的处境是什么？

坦率地讲，这不是一张成绩单。更像一张赌桌前的最后一把all in。

一张时间线，看懂月之暗面的焦虑

先把时间线往回拉。

你看出来了吗？月之暗面的节奏在加快。

K1.5到K2.5用了将近一年，K2.5到K3只用了不到半年。模型规模从1万亿参数直接跳到2.8万亿。融资一轮接一轮，估值从200亿飙到315亿。

这种加速感，不像是胸有成竹的扩张。更像是被什么推着跑。

2.8万亿参数，到底意味着什么

先说技术。

K3的2.8万亿参数不是简单的堆料。月之暗面做了几件事，确实值得认真对待。

第一项是KDA（Kimi Delta Attention）。传统注意力机制在处理长文本时，计算量随文本长度平方级增长。KDA的做法是把长上下文拆成"已总结的历史"和"新来的变化"，对历史部分用线性方式维护紧凑记忆，新token只重点关注变化部分。官方说在百万token场景下，解码速度最高提升了6.3倍。

第二项是Attention Residuals。在深层网络里，信息从底层传到顶层会逐渐衰减。AttnRes增加了专门的残差连接，让每一层的注意力输出可以更直接地"跳过"中间层。训练效率提升约25%，额外成本不到2%。

再加上896个专家里只激活16个的MoE架构，K3的扩展效率比K2提升了约2.5倍。

从官方公布的测试数据看，K3在多个编程基准上已经进入全球第一梯队。Program Bench得分77.8，略高于Claude Fable 5的76.8。SWE Marathon拿下42.0分，超过了GPT-5.6 Sol的39.0分。

但问题来了。

2.8万亿参数对本地部署提出了极高要求。月之暗面建议至少采用包含64个加速器的超级节点来部署K3。

普通开发者？消费级设备？别想了。

这更像是一个面向云端的"可访问开源"，而非真正的本地可运行开源。月之暗面承诺开放完整模型权重，但能跑起来的机构，国内屈指可数。

那么问题来了，如果普通开发者跑不动，开源的意义在哪？

开源，是主动选择还是被迫回应

月之暗面之前不是没走过开源路线。但之前的态度是，核心模型闭源，通过API和产品变现。

K3突然宣布开源，而且是在发布后两周内就开放权重。这个节奏，不像深思熟虑的战略转向。

像被逼的。

被谁逼？DeepSeek。

2025年初DeepSeek R1的开源，是中国AI行业的一个转折点。它证明了一件事，开源模型可以做到接近顶级闭源模型的能力，而成本只有几十分之一。

DeepSeek之后，国内大模型的竞争逻辑变了。以前大家拼的是谁的产品体验好、谁的C端用户多。现在多了一个维度，谁的开源社区影响力大、谁的模型被更多开发者自发采用。

月之暗面在这个维度上，一直是落后的。

DeepSeek的GitHub星数、社区讨论热度、第三方集成数量，都远超Kimi。更关键的是，DeepSeek的开源策略让它成为了中国AI的"事实标准"——很多企业和开发者默认用DeepSeek做底座，而不是Kimi。

月之暗面想扭转这个局面。K3开源，就是它扔向DeepSeek的一枚重磅炸弹。

但这里有一个悖论。

如果K3真的开放到任何人都能用，那月之暗面的API收入怎么办？API收入现在占它总收入的七成以上。如果开发者都自己去部署开源模型了，谁还付费调用API？

如果K3的开放只是名义上的——比如需要超级集群才能跑，普通开发者根本碰不到——那开源的社区影响力又从何而来？

月之暗面走在一条钢丝上。左边是闭源产品的商业化，右边是开源社区的生态扩张。K3的选择，是往右边倾斜了一点。

但倾斜多少，它自己可能也没想清楚。

真正的对手不是Claude，是DeepSeek

很多报道把K3和Claude Fable 5、GPT-5.6 Sol放在一起比较，标题写着"正面硬刚国际顶级模型"。

这种比较有道理，但模糊了真正的竞争格局。

K3在编程基准上接近甚至部分超越了Fable 5和GPT-5.6 Sol，这确实是中国大模型的一次突破。但月之暗面现阶段最大的威胁，不是Anthropic或OpenAI。

是DeepSeek。

为什么？因为Anthropic和OpenAI主要市场在海外，和月之暗面的直接竞争有限。但DeepSeek和月之暗面在同一个市场、同一批客户、同一个生态位上抢食。

企业客户选择大模型底座时，如果DeepSeek开源、成本低、社区活跃，而Kimi闭源、价格更高，选择倾向是很明显的。

K3的API定价也说明了月之暗面的焦虑。缓存命中的输入价格是每百万token 0.30美元，未命中缓存的输入3美元，输出15美元。按人民币算，输出约100元每百万token。

这个价格远高于GLM-5.2的输入8元、输出28元。

月之暗面的解释是，K3以更高推理强度、更长任务执行时间为卖点，切入高端市场。但说实话，在DeepSeek把价格打到地板以下的市场里，喊高端定位是需要勇气的。

参数竞赛的尽头是什么

杨植麟相信Scaling Law。从K2的1万亿参数到K3的2.8万亿，不到一年时间规模翻了近三倍。

这种信仰很纯粹。但市场开始怀疑了。

GPT-5.6 Sol是基于强化学习持续优化的老架构，Fable 5和K3都是全新预训练的新一代模型。GPT-6一旦发布，技术代差可能再次拉开。

更重要的是，参数规模的边际效益在递减。从1000亿到1万亿，能力跃迁很明显。从1万亿到2.8万亿，提升幅度在收窄。训练成本却在指数级上升。

K3的训练成本月之暗面没有公布，但按照行业惯例，2.8万亿参数的MoE模型，训练一次的花费可能在数千万到上亿美元级别。

月之暗面年内已完成多轮融资，最新投前估值315亿美元。ARR 3亿美元，看着不错，但和估值比起来，收入倍数仍然很高。

资本市场对AI公司的耐心是有限的。如果K3不能带来足够的商业化回报，下一轮融资的压力会很大。

落点

回到开头那个判断。

Kimi K3是不是一个好模型？是。2.8万亿参数、KDA架构、编程能力进入全球第一梯队，这些都是实打实的成绩。

但它是不是月之暗面的"封神之作"？我不这么认为。

封神之作应该是定义规则的，不是追赶规则的。K3在很多方面还在追赶——追赶Claude的编程能力，追赶DeepSeek的开源影响力，追赶GPT的品牌认知。

月之暗面的真正挑战，不是下一版模型能不能再多1万亿参数。是找到一个属于自己的、别人抄不走的生态位。

在做到这一点之前，每一代Kimi的发布，都是背水一战。

杨植麟把大模型比作"绵延而未知的雪山"。那K3就是他攀到的又一个营地。山顶还远，氧气越来越稀薄。

而身后的DeepSeek，已经追到同一个营地了。