月之暗面发布 Kimi K3：2.8 万亿参数开源模型引发「DeepSeek 时刻」讨论

月之暗面又把开源大模型的天花板顶高了。7 月 17 日，这家公司发布总参数 2.8 万亿的 Kimi K3，支持 100 万 token 上下文与视觉理解，前端编程的盲测表现还登顶了 Arena。低成本、高性能的组合，让市场立刻联想起此前的「DeepSeek 时刻」。

K3 最受关注的有两点。一是体量，2.8 万亿参数放在开源阵营里已是第一梯队；二是能力，百万级上下文意味着它能一口气「读完」一整本书或一整套代码库，视觉理解则补上了多模态的一块拼图。更关键的是，它把「旗舰级能力」和「可开源、可低成本部署」绑在了一起，这对中小团队格外有吸引力。

为什么市场会喊出「DeepSeek 时刻」？因为 DeepSeek 当初正是用远低于美国巨头的训练成本，交出了媲美前沿闭源模型的答卷，直接搅动了全球对 AI 资本开支和芯片需求的预期。Kimi K3 如果真能在多项基准上逼近闭源旗舰，又保持开源和可负担，等于再次证明：Scaling 不一定要靠无底洞式的烧钱。

这事对产业链的冲击很直接。华尔街已经开始重新掂量：当中国团队连续拿出高性能开源模型，美国巨头那套「堆算力、堆参数」的叙事还是否成立？说到底，开源模型的集体冲锋，正在把 AI 的竞争从「谁更有钱训模型」推向「谁更能把模型用便宜、用明白」。K3 的出现，只是这股浪潮里最新的一朵浪花。

回过头看，月之暗面过去一年靠着 Kimi 系列在长上下文赛道站稳了脚跟，这次 K3 进一步把「长文本 + 推理 + 视觉」打包成开源方案，摆明了要抢开发者和企业客户。在美方收紧高端芯片出口、前沿模型发布受管控的大背景下，一家中国公司拿出顶配开源模型，本身就带着某种象征意义。

无论 K3 最终能否复刻 DeepSeek 级别的影响，它至少说明了一件事：高性能模型的供给，正在从少数巨头手里扩散开。当开源顶配模型触手可及，企业的 AI 部署不再被闭源 API 的定价卡住脖子。对开发者而言，「免费且够强」的模型越多，真正比拼的就越是产品与场景的功夫，而不是谁的模型参数最唬人。