本期「商业访谈录」学习播客特辑中，主持人张小珺邀请清华大学计算机系博士候选人、上海创智学院璞锐学者孙宇涛，领读 Kimi K3 技术报告。孙宇涛的研究方向正是大语言模型架构与预训练，他从自身对线性注意力、混合注意力与循环增强模型的研究经验出发，串联讲解了 RetNet、Gated DeltaNet、Kimi Linear、Gated MLA、Hyper-Connections、LatentMoE、Muon、Quantile Balancing、WSD、RNoPE、Kimi K1.5/K2.5、MiniLLM、DeepSeek-V3 等多篇相关工作，梳理出一条技术演进脉络。

混合注意力：3:1 比例下的无损长上下文

打开网易新闻 查看精彩图片

K3 的混合注意力设计是本次领读的重点之一。孙宇涛介绍，Kimi Delta Attention 将原先的标量衰减扩展为 channel-wise 细粒度衰减，以严格提升能力上限；同时通过 lower-bound 设计保证 BF16 数值精度与 kernel 高效实现。Gated MLA 则把门控技术引入 MLA，以提升训练稳定性。Attention Residuals 与 Hyper-Connections 为残差连接提供了新的维度。

孙宇涛在节目中提到一个关键判断：在线性注意力与全注意力约 3:1 混合下，模型可以获得无损甚至更好的长上下文表现，并在推理效率上获得显著收益。他说：“大家其实发现在保持一定的全注意力比例的基础上，整个模型其实是可以获得无损甚至更好的一个长上下文表现的。”

2.8T 参数 MoE：参数规模仍是智能上限的本质因素

K3 采用 2.8T 参数的 MoE 架构。孙宇涛认为，模型参数大小仍是解决模型智能最本质的因素，K3 在参数规模、激活参数与百万级上下文三个维度同步扩展，是有效 scaling 的体现。预训练章节讨论了 Scaling Law 与 WSD 调度、RNoPE 长上下文扩展；Stable LatentMoE 降低通信开销；Quantile Balancing 实现专家负载均衡。

在优化器层面，Muon 优化器与 Outlier 控制被重点提及。孙宇涛指出：“对于任何优化器来说，它都一定会出现 outlier。所以说如果想严格控制的方法，他一定是直接从模型架构下手的。”

后训练：多教师 on-policy 蒸馏与部署感知

后训练章节介绍了 K3 的多教师 on-policy 蒸馏、部署感知后训练与 Draft Model 微调。K3 采用基于学生生成样本的 on-policy 蒸馏，结合 partial rollout、reasoning-effort budget control 等 RL 技术，优化了训练效率与推理成本。基础设施章节则覆盖 KDA kernel、DualPipe 通信隐藏、动态专家分配、多模态编码器优化与推理侧缓存管理。

“忒修斯之船”与改良性进步

节目最后讨论了 K3 相比 K2 的战略转变，以及架构创新的哲学边界。孙宇涛用“忒修斯之船”比喻来讨论这一问题，并给出了一个被他自己称为“暴论”的判断：“我的判断比较暴论，我的暴论就是大模型可能没有太大的创新，后面都是一些改良性的进步。”

他认为 K3 等前沿模型是行业集体贡献的集成，未来方向更多是基于已有工作的改良式进步，而非架构层面的颠覆。商业化则依赖任务清晰定义。