历史转折中的Kimi K3|kimi|scaling|token|历史转折|大语言模型|特朗普|理查德

作者 | 张弛

编辑 | 方堃

从"代际追赶"到"同台竞技"，中国大模型Kimi K3的发布，让美国AI权力中心有了真正的危机感。

马斯克将K3列为Grok的追赶目标；美国国家前AI事务负责人大卫·塞克斯表示，中国模型第一次在前端编程赛道拿下第一，照此下去美国将输掉AI竞赛；OpenAI战略主管Dean W. Ball则批评中国不应开源如此优秀的模型。

而据Axios报道，特朗普政府内部已重新讨论限制中国先进AI模型进入美国市场的措施。

如何理解Kimi K3这颗重磅炸弹的威力？

2024年底，DeepSeek用极致工程优化把推理成本打到地板价，中国大模型第一次进入海外视野。但外界评价很微妙：中国公司擅长把贵的东西做便宜——但便宜意味着你没有定义价值的能力，只是在别人画好的商业区间里做减法。

Kimi K3改变了这一点。它不只是把贵的东西做便宜，更是用2.8万亿参数、顶级智能和工程能力，在硅谷制定的AI定价体系外重新写了一条规则："我和你一样强，但我可以定自己的价。"

7月22日消息，《The Information》报道称，据知情人士透露，微软内部估算，若将旗下AI助手Copilot的部分推理请求，从OpenAI和Anthropic的模型切换至Kimi K3模型，每年最多可削减约6亿美元（约合40亿元人民币）的云基础设施成本。

把贵的东西做便宜，是制造业的胜利；定义最好的产品应该值多少钱，则是技术话语权的胜利。

Scaling Law未死：

三条扩展方法论的交汇点

月之暗面发布的旗舰大模型Kimi K3，是全球首个开放权重的3T级模型。

第三方机构Artificial Analysis的智能排行指数中，Kimi K3跃居第3，紧随Fable 5和GPT-5.6 Sol之后，跟官方评测数据很接近。在大模型编程能力测试中，Kimi K3以76%的胜率超过两个最顶尖的闭源模型：Claude Fable 5（63%）和GPT-5.6 Sol（58%），登顶最有影响力的CodeArena榜单。

据行业消息，Code Arena 官方花了数小时反复核验全部数据，确认无偏差后才对外公开榜单结果，消息一经发布直接引爆硅谷AI圈层。

过去一年多，业界不乏"参数竞赛进入死胡同"的质疑。但Kimi K3的成功，证明了大模型的Scaling Law依然有效。

早在2024年，杨植麟提出了一个判断，Scaling Law的下一阶段叫做Reinforcement Learning Scaling。过去的Scaling Law，本质上是让模型"死记硬背刷题库"，RL Scaling不让模型背答案，而是训练模型自主拆解问题、试错迭代、自我修正，形成闭环思考能力。

今天的K3，正是RL Scaling的大规模应用。正如K3技术报告中提到的"视觉闭环"（Vision in the Loop），本质是把在解数学题上的RL Scaling能力，扩展到了带视觉反馈的全场景。

2026年3月21日，杨植麟站在英伟达GTC舞台上，重点讲了三个维度的扩展方法论——K3就是这三条线的交汇点。

第一个维度：token效率。团队首次大规模使用Muon二阶优化器，实现得当，token效率提升两倍。50万亿高质量token在Muon手里，效果相当于100万亿。

数据墙时代，这种"无中生有"的能力是战略级的。但万亿参数训练时，注意力logit值会爆炸到1000以上，训练发散。团队配套推出 QK Clip 约束方案：实时计算每个注意力头的最大 Logit 值，生成专属缩放系数限制 Query、Key 数值区间。该方案不会从根源消除数值波动，而是为模型增加自主约束机制，最终实现 Loss 曲线稳定收敛、Logit 数值可控。

第二个维度：混合线性注意力机制。团队推出Kimi Linear架构，核心是新线性注意力变体Kimi Delta Attention（KDA）。原始线性注意力只有一个全局衰减因子，模型要么全忘、要么全记。KDA引入细粒度衰减因子，把标量换成对角矩阵，分别控制每个通道的衰减速度——一部分慢衰减保留长期信息，另一部分快衰减接收新信息。当上下文扩展到一百万token，KDA效率提升明显，这是第一个在短上下文、长输入和长输出任务上全面超过全注意力的方案。

有开发者告诉《创智记》，"K3的注意力机制是真的厉害，长上下文基本不会给你它忘记了的感觉，K3的百万上下文感觉是最好的，虽然大家都说自己百万，目前就它感觉是真百万。"

在日前举行的WAIC 2026思想者论坛上，2024年图灵奖获得者理查德.萨顿直言，“我们还不懂真正的深度学习。”在萨顿看来，灾难性遗忘是核心问题，目前的深度学习系统在持续学习时会忘记旧知识。

K3最大的成功之一，正是在于长期记忆的新突破。

第三个维度：Agent集群。一个主Agent协调，生成子Agent分配任务，收集结果，反复迭代。技术上，三种奖励构成强化学习目标：实例化奖励（鼓励生成子智能体）、完成奖励（鼓励任务实际完成）、结果奖励（衡量最终质量）。

K3用上述突破堆出了2.8万亿参数。KDA让序列计算更快、更低计算成本，AttnRes（注意力残差）让深度信息流更智能，Stable LatentMoE让参数容量更庞大。896个专家模块，每次推理只激活16个（不到2%）。Quantile Balancing省去人工调参；Per-Head Muon让每个注意力头独立学习，大规模训练更稳定，算得更省、流得更顺、装得更多。

现在回头看，对Scaling Law的质疑更像是蒸汽机车时代的工程师怀疑内燃机。看到了锅炉的极限，没看到燃烧室的革命。

Scaling Law没有死，只是换了更聪明的优化器、更高效的注意力机制、更复杂的智能体编排。当参数从1000亿推进到2.8万亿，再到未来的100万亿（人类大脑的神经连接），展现的不是简单的规模堆叠，而是智能的涌现——那种只有在足够复杂的系统中才会出现的、无法被还原为单个部件属性的整体能力。

据报道，一位用户连续使用K3十小时后，得到了完整的Windows XP系统模拟网站，内置的软件和游戏真的可以运行——这不是在回答问题，而是在创造世界。

定价权的转移：

中国AI从"跟随"到"并跑"

技术实力的跃迁，最终都要体现在服务价格上。

Kimi K3发布的同时，月之暗面做了一件很有信号意义的事：涨价。

相比K2.6，K3的输入价格从6.5元涨到20元；输出价格从27元涨到100元，这在中国大模型行业是反常识的——过去几年，行业主旋律是降价、降价、再降价。

但这一次，市场给出的答案是：供不应求。甚至因为K3过于火爆，算力不足、推理慢，导致等待时间比较长，月之暗面不得不暂停了新付费用户的注册——这在中国大模型行业发展史上，也是反常识的。

而K3的定价逻辑也变了。相比最顶级模型Claude Fable 5，对于绝大多数企业级用户来说，K3的性价比依然是碾压级的，达到同样的效果，只需要付1/10左右的成本。

中国大模型不再是"因为便宜所以选我"，而是"我能力接近最强，但价格只有1/10"。前者是低端市场的内卷逻辑，后者是高端市场的竞争逻辑。

今年3月，月之暗面ARR（年化收入）首次突破1亿美元，6月接近3亿美元，API业务占比已经突破了70%，有消息称，在K3发布后，ARR又实现了数倍增长。

一位开发者告诉《创智记》，"上周末从最小套餐升级了2次到次最高套餐，然后单独充值了API，又在套餐的基础上充值了加油包，目前处于勉强够用阶段，如果用于日常，基本要最高套餐。"

这就是定价权的转移。

过去，全球大模型的价格锚点由OpenAI和Anthropic设定。它们出旗舰模型，定一个高价，然后其他厂商根据自己的能力差距，按比例往下打折。

Kimi K3第一次打破了这个定价体系。它没有在低端打价格战，而是直接切入了中高端市场——15美元的输出定价，刚好卡在Claude Sonnet档位（$15输出），但能力超过Opus 4.8（$25输出），接近Fable 5（$50输出）。

《创智记》根据OpenRouter最新数据，对比统计了Kimi K3、Opus 4.8、Fable 5和GLM 5.2的目前价格，表面看，Kimi K3约为Fable 5的1/3，比GLM 5.2贵2倍多，但只看标准定价是常见的误区，因为忽略了计费逻辑中的核心变量：缓存命中率（Cache Hit Rate）。从0%到90%的缓存命中率差异，意味着输入价格可以相差 3-5 倍。

Kimi凭借与清华大学合作研发的大模型推理架构Mooncake，实现了平均90%的超高缓存命中率。根据OpenRouter实时统计的缓存命中率，Kimi K3远超各大对手。

我们按90%命中率，来计算Kimi K3 的1M token实际价格：

▶ 90%命中缓存部分：按缓存价2元/M tokens计费 = 1.8元

▶ 10%未命中部分：按标准价20元/M tokens计费 = 2元

因此，1M token输入的实际成本是 3.8 元。与标准定价20元相比，Kimi K3的实际输入价格相当于打了2折。

OpenRouter数据显示，Kimi K3的真实使用成本甚至比GLM 5.2还便宜。