Kimi K3 开源：2.8 万亿参数的“中国开源时刻”，美国企业开始换用中国大模型
7 月 27 日，月之暗面正式开源 Kimi K3——2.8 万亿参数的混合专家模型，成为全球首个 3 万亿级开源大模型。不到两周，美国《华尔街日报》等媒体便开始讨论“部分美国企业换上中国大模型以降低成本”：Coinbase、爱彼迎、DoorDash 相继被曝转向中国模型。这一次，开源不再是“追赶者”的叙事，而是一场正在改写全球 AI 成本结构的商业冲击。
全球最大开源模型：不止是“大”
据月之暗面官方发布，Kimi K3 总参数 2.8 万亿（MoE 架构，每 token 激活 896 个路由专家中的 16 个，推理时实际激活约 1040 亿参数），原生支持视觉理解，上下文窗口达 100 万 token。作为对比，DeepSeek V4 Pro 为 1.6 万亿参数，智谱 GLM-5.2 为 7440 亿参数（据 SCMP 报道）。
规模之外，官方技术报告披露了三个关键创新：Kimi Delta Attention（KDA） 与门控 MLA 以 3:1 混合，官方称在百万 token 上下文中解码速度最高提升 6.3 倍；Attention Residuals 以不到 2% 的额外成本换来约 25% 的训练效率提升；Stable LatentMoE 路由机制解决了大规模 MoE 训练的专家崩溃问题。月之暗面称，在受限算力条件下，整体扩展效率相比 Kimi K2.5 提升约 2.5 倍——换句话说，“同样的算力，产出多 1.5 倍的智能”。
开源不止于权重。7 月 27 日同步放出技术报告与三大基础设施：专家并行通信库 MoonEP、KDA 高性能内核 FlashKDA（官方称在 H20 上相比 flash-linear-attention 基线 prefill 提速 1.72–2.22 倍）、以及与 KVCache.ai 联合开发的 AgentEnv 智能体沙箱。
榜单登顶：前端编程盲测全球第一
在 LM Arena 的 Frontend Code Arena 盲测榜单上，Kimi K3 以 1679 分登顶，超过 Anthropic Claude Fable 5（1631 分）与 OpenAI GPT-5.6 Sol（1618 分），较上一代 K2.6 的第 18 名跃升 17 位，并在 7 个细分领域拿下 6 个第一（据 Arena 官方 X）。
官方技术报告自报数据中，K3 在 GPQA Diamond 上拿到 93.5（高于 Claude Opus 4.8 的 91.0），SWE-Marathon 42.0（Fable 5 为 35.0、GPT-5.6 Sol 为 39.0），Terminal-Bench 2.1 为 88.3，BrowseComp 91.2。不过 SCMP 也指出，月之暗面承认“整体性能仍落后于最强的闭源模型”——K3 的强项集中在长程编码、智能体与多模态场景，而非全面领先。
商业冲击：美国企业用脚投票
真正让市场震动的是商业侧的连锁反应。据 36氪转引《华尔街日报》与美联社报道：
- Coinbase 表示正在转向中国 AI 模型以降低成本；Coinbase CEO Brian Armstrong 更在社交平台公开称公司使用 GLM 5.2 与 Kimi 模型（据 CNBC）；
- 爱彼迎 采用了阿里 Qwen 模型，并称赞其“快速且便宜”；
- 据 upday 转引 CNBC 报道，DoorDash、Airbnb、Coinbase 等企业转向中国 AI 的成本约为此前的一半；
- Cursor 在 K3 开源当天即上线支持，其 Composer 2 模型本身也基于 Kimi 打造（据 Startup Fortune、CNBC 报道，SpaceX 拟以 600 亿美元收购 Cursor）；
- 马斯克也公开称赞 Kimi K3“令人印象深刻”（据《华尔街日报》转述）。
《华尔街日报》将这一幕与 2025 年 DeepSeek 引发的市场震动相提并论。VentureBeat 引述社区评论：“开源不再落后西方闭源模型六个月了。”
价格、生态与争议
API 定价上，Kimi K3 输入 20 元/百万 token、输出 100 元（约合 3 美元/15 美元），对比 Fable 5 的 10 美元/50 美元、GPT-5.6 Sol 的 5 美元/30 美元（据界面新闻实测），输出单价约为 Fable 5 的三分之一。但要注意：相比自家 K2.6，K3 输入价上涨 3 倍多、输出价上涨近 4 倍，“便宜”是相对海外旗舰而言的。
生态方面，华为宣布昇腾芯片 0 天适配 K3（首个跑在国产硬件上的 3 万亿级开源模型），阿里云百炼同步上线。但开源协议有门槛：据华尔街见闻梳理，若使用者的 MaaS 业务连续 12 个月总收入超 2000 万美元，商用前需与月之暗面单独签约。本地部署门槛同样不低——Pandaily 估算仅加载模型就需要至少 10 张 GB300 级 GPU，而 K3 上线后一度因算力紧张暂停新用户订阅，开源理想与推理现实的张力可见一斑。
争议同样存在。Artificial Analysis 实测其输出速度约 35 token/秒（同类中位 62），界面新闻实测生成同一场景耗时约为 GPT-5.6 Sol 的 2–3 倍，“强得意外，慢得着急”；CNBC 报道美国政府正酝酿限制企业使用中国 AI；Washington Examiner 甚至发表专栏称中国开源模型是“特洛伊木马”。此外，月之暗面官方也坦承三大局限：对历史思考内容敏感、易替用户做决定、用户体验仍有差距。
观点：中国开源模型进入“商业临界点”
把几组数据放在一起，能看到更完整的图景：据人民日报海外版引述 OpenRouter 数据，7 月 20–26 日中国大模型周调用量达 33 万亿 token，连续 13 周全球第一；高盛认为中国开源模型智能水平正接近“全球扩散的关键临界点”，预计 2026 下半年还将出现更多 2–5 万亿参数模型。
资本侧同样狂热：7 月 29 日，月之暗面确认完成超 35 亿美元 F 轮融资、投后估值 350 亿美元，G 轮（Pre-IPO）投前估值已升至 500 亿美元，据澎湃新闻称可能一周内关闭。支撑估值的是收入：Kimi ARR 从 3 月的 1 亿美元增至 6 月中旬的 3 亿美元，三个月翻三倍，其中 API 贡献七成以上收入，海外 API 收入已超过国内（据界面新闻）。
我的判断是：Kimi K3 的意义不在于“参数最大”这个标签，而在于它验证了一条商业路径——用开源权重换全球开发者心智，用开发者心智换 API 收入，用收入反哺下一代训练。DeepSeek 证明了“降价能抢市场”，Kimi K3 则证明了“开源旗舰也能卖出溢价”。当美国企业开始把中国模型写进成本优化方案，这场竞争就已经从技术榜单蔓延到了财务报表。真正的分水岭，在于 K3 能否在速度与推理成本上补齐短板——毕竟，开源可以赢得掌声，但只有体验才能赢得续费。
数据来源：月之暗面官方 X/技术报告（GitHub MoonshotAI/Kimi-K3）、Arena 官方 X、SCMP、36氪、界面新闻、澎湃新闻、人民日报海外版、CNBC、VentureBeat、Pandaily、Artificial Analysis、华尔街见闻。