文 | AI唱反调 7月16日晚，月之暗面扔出K3——2.8万亿参数，Frontend Code Arena 1679分，直接压过Claude Fable 5的1631分。7月27日前，完整权重全部开源。 官方博客罕见地坦白：“整体表现仍落后于最强的闭源模型Claude Fable 5和GPT-5.6 Sol，但在我们的整套评测中展现出前沿水平的能力，并稳定超过了其他所有模型。” 这种不吹全能、只认编程主战场的姿态，在国产大模型发布里堪称一股清流。1679分，先在全球开发者的圈子里炸了锅。 Vercel CEO Guillermo Rauch立刻做了nextjs.org的综合Web工程评测，结论直接：K3领先Fable，开放模型第一次在真实工程交付任务上超过全部专有模型。他还补了一句，最强模型的任务完成率也远没到100%，榜单不能讲全故事。 Arena.ai的数据更直观：K3直冲Frontend Code Arena第1，上一代K2.6还排在第18位，17个位的跃升；7个前端细分领域，拿下6个第一。Artificial Analysis给出独立评测：综合指数57，与Claude Opus 4.8、GPT-5.5处于同一区间；AutomationBench-AA得分53%居首；长程知识工作Elo 1547，仅次Fable 5。而任务成本约0.94美元，比Opus 4.8更便宜。连马斯克都在相关推文下留了一句“Impressive”。 Andreessen Horowitz合伙人Sriram Krishnan则把K3称为“对整个行业具有多重影响的重大时刻”。前Stability AI CEO Emad Mostaque更直白：“美国实验室最终会去蒸馏中国模型。” 但海外并没有被冲昏头脑。Simon Willison用他的经典鹈鹕SVG测试发现，K3虽然明显提升，简单任务却消耗了1.6万余输出Token，其中约1.32万是推理Token，成本约0.25美元，推理开销偏重，效率边界仍有待观察。Ivan Fioravanti在真实项目中称赞了K3的UI、设计和指令遵循能力，但也指出它“投入较多思考，偶尔越界加戏”，会自行扩展任务范围。Bindu Reddy提醒榜单成绩“过于突出”，仍需用更难污染的测试继续验证，还不能贸然称为Opus级，特别是在长上下文、多轮对话和复杂Agent循环中。Redis作者antirez则强调，需要长期真实结果才能判断模型水平。 全球开发者分成震撼派和冷静派，但两派都承认一件事：中国开源模型已被迫重新估值——它已经从“便宜替代品”升级成一个得认真对比的生产力工具。 回头看，这是中国AI开源模型在全世界的第三次冲击。 第一次是DeepSeek，年初以低成本高效率震动全球，用“普惠”路线证明中国模型能在有限算力下做出顶尖性能，定价策略就是量大管饱。第二次是GLM，国内头部模型ARR半年从1亿飙到10亿，用“商业闭环”路线证明中国模型能赚钱。第三次就是K3，2.8万亿参数，Frontend Code Arena第一，7月27日开源完整权重，第一次同时在参数规模、前沿性能和全球开发者声量上冲进第一梯队。 三条路线：DeepSeek证明“能便宜”，GLM证明“能赚钱”，K3证明“能贵得有道理”。 这背后是一次从“速度套利”到“价值定价”的深层转向。过去12个月里，有9个月开源模型的参数上限由Kimi保持，K3只是这条连续路线的兑现节点。从K2的1万亿参数到K3的2.8万亿，架构上自研KDA混合线性注意力加上Attention Residuals，再配以896个专家激活16个的MoE，扩展效率提升约2.5倍。 7月27日开源2.8万亿，但绝大多数开发者根本跑不起来。即使量化过后，本地部署仍需多张高端显卡。所谓“开源”，更像是一份行业标准参考书——开源是广告牌，API才是收费站。你看得到、学得到，但自行部署的成本会让你最终回到API。把KDA贡献给vLLM社区，是在买生态门票。这套玩法并不新鲜：用技术标准建立开发者认知，降低试用门槛，最终把流量导向API。 贵有贵的道理，因为编程这个主战场的第一把交椅，已经不再只属于闭源巨头。
热门跟贴