月之暗面开源全球最大模型Kimi K3：2.8万亿参数，人民日报头版

全球参数最大的开源AI模型，不在硅谷，在北京。

7月27日，月之暗面正式发布了Kimi K3的模型权重和技术报告，向全球开源。Kimi K3总参数达2.8万亿，原生支持视觉理解，具备100万词元的上下文窗口。在大模型编码评估系统Frontend Code Arena上，它以1679分拿下第一，超过了Claude Fable 5和GPT-5.6 Sol等闭源模型——这是开源模型首次在该榜单登顶并反超自家旗舰。

人民日报7月29日在头版刊发长文解读这一成就，这样的规格在科技报道里并不多见。文章核心讲了两个技术突破，值得拆开来看。

第一个是KDA混合线性注意力机制。传统Transformer注意力机制在处理长文本时，计算量随文本长度接近平方级增长——模型多读一倍内容，计算量就要翻四倍，这是超长文本始终难以落地的根本瓶颈。KDA通过混合线性设计把计算量降到接近线性增长。通俗说就是，以前读长文像爬楼梯越爬越慢，现在变成了平地走路速度不变。

第二个是注意力残差技术。模型越大、层数越深，信号在层层传递过程中越容易衰减失真，训练也越容易失败——这是全球大模型工程通用的难题。注意力残差相当于给巨型模型装了一台信号放大器，让2.8万亿参数能稳定跑起来。

这两个技术放在一起看，其实揭示了一个重要趋势：中国大模型的竞争力，正在从纯参数堆量走向底层架构创新。

数据也很能说明问题。OpenRouter统计显示，7月20日至26日，中国大模型周调用量达33万亿词元，连续13周全球第一。高盛分析认为，中国开源模型正在到达面向全球扩散的关键临界点，预计2026年下半年可能出现更多总参数2万亿至5万亿的模型。

但这里有一个更值得关注的维度。Kimi K3在编码评测上超过闭源模型这个事实，坦白讲比参数规模和调用量都更有信号意义。编码是AI能力的基础设施层——如果你连代码都能写好，就能借助自己的输出辅助开发更强、更智能的下一代模型，形成自我强化的正循环。

月之暗面CEO杨植麟在解读中提到的「从单个智能体到智能体集群」也值得咂摸。参数的堆叠只是量的积累，参数之间的交互方式才是质的跳变。当一个模型集群能够自主分工、协同完成复杂任务时，参数总量就不再是数字游戏，而是能力的实际放大器。

当然，2.8万亿参数的开源也把一个问题摆上了台面：开源和安全的边界在哪里？上个月硅谷正因为「是否该禁止开源前沿模型」吵得不可开交，Kimi K3的发布直接把这个议题推到了新高度——当开源模型的性能追平闭源，安全管制究竟该管什么、怎么管，再也没有模糊空间了。