月之暗面釋出 Kimi K3：2.8 萬億引數開源模型引發「DeepSeek 時刻」討論

月之暗面又把開源大模型的天花板頂高了。7 月 17 日，這家公司釋出總引數 2.8 萬億的 Kimi K3，支援 100 萬 token 上下文與視覺理解，前端程式設計的盲測表現還登頂了 Arena。低成本、高效能的組合，讓市場立刻聯想起此前的「DeepSeek 時刻」。

K3 最受關注的有兩點。一是體量，2.8 萬億引數放在開源陣營裡已是第一梯隊；二是能力，百萬級上下文意味著它能一口氣「讀完」一整本書或一整套程式碼庫，視覺理解則補上了多模態的一塊拼圖。更關鍵的是，它把「旗艦級能力」和「可開源、可低成本部署」綁在了一起，這對中小團隊格外有吸引力。

為什麼市場會喊出「DeepSeek 時刻」？因為 DeepSeek 當初正是用遠低於美國巨頭的訓練成本，交出了媲美前沿閉源模型的答卷，直接攪動了全球對 AI 資本開支和晶片需求的預期。Kimi K3 如果真能在多項基準上逼近閉源旗艦，又保持開源和可負擔，等於再次證明：Scaling 不一定要靠無底洞式的燒錢。

這事對產業鏈的衝擊很直接。華爾街已經開始重新掂量：當中國團隊連續拿出高效能開源模型，美國巨頭那套「堆算力、堆引數」的敘事還是否成立？說到底，開源模型的集體衝鋒，正在把 AI 的競爭從「誰更有錢訓模型」推向「誰更能把模型用便宜、用明白」。K3 的出現，只是這股浪潮裡最新的一朵浪花。

回過頭看，月之暗面過去一年靠著 Kimi 系列在長上下文賽道站穩了腳跟，這次 K3 進一步把「長文字 + 推理 + 視覺」打包成開源方案，擺明了要搶開發者和企業客戶。在美方收緊高階晶片出口、前沿模型釋出受管控的大背景下，一家中國公司拿出頂配開源模型，本身就帶著某種象徵意義。

無論 K3 最終能否復刻 DeepSeek 級別的影響，它至少說明了一件事：高效能模型的供給，正在從少數巨頭手裡擴散開。當開源頂配模型觸手可及，企業的 AI 部署不再被閉源 API 的定價卡住脖子。對開發者而言，「免費且夠強」的模型越多，真正比拼的就越是產品與場景的功夫，而不是誰的模型引數最唬人。