月之暗面開源 Kimi K3 模型：2.8 兆參數挑戰封閉 AI 巨頭

月之暗面（Moonshot AI）決定將 Kimi K3 開源——這款擁有 2.8 兆參數的模型，在瀏覽基準測試上超越 Anthropic 的 Claude Fable 5 與 OpenAI 的 GPT-5.6 Sol，運算成本卻不到對手一半——此舉正對專有 AI 供應商形成壓力，迫使其為高溢價定價提供合理性。

該公司於 7 月 27 日發布的聲明中指出：「開放權重消除了封閉模型對 AI 應用所設下的障礙——每份複製的邊際成本為零，無須逐一代幣計費，可在任何硬體上部署。」

Kimi K3 採用專家混合（MoE）架構，共有 896 個專家，每次推理啟動其中 16 個。根據月之暗面公布的測試結果，Kimi K3 在 BrowseComp 基準上獲得 91.2 分，領先 Claude Fable 5 的 88.0 分與 GPT-5.6 Sol 的 90.4 分。在程式碼基準測試方面，Kimi K3 的執行成本為 4.65 美元，而 Claude Fable 5 則為 13.41 美元——每美元可解決的任務數量提升 2.8 倍。該模型還採用了 Kimi Delta Attention，這是一種混合線性注意力機制，可在百萬 Token 級別的上下文環境中實現 6.3 倍的解碼加速。

Box 執行長 Aaron Levie 表示，Token 成本下降將驅動推理需求上升而非縮減 AI 支出，這將使基礎設施供應商受益。Nvidia 執行長黃仁勳則指出，美國公司「絕對應該被允許使用中國模型」，此言在 Nvidia 作為 AI 工作負載主要硬體供應商的角色背景下分量十足。

Agent 集群架構重新定義任務執行

Kimi K3 繼承了 Kimi K2.5 的 Agent Swarm 框架，該架構以並行子代理委派取代了傳統的序列式工具呼叫執行。根據 Kimi K2.5 技術論文，該系統每項任務最多可部署 300 個子代理，管理超過 4,000 次工具呼叫，運行速度比單代理序列執行快 4.5 倍。該模型還透過 MoonViT-V2 整合了原生視覺能力——這是一個從零開始、採用下一 Token 預測技術訓練的視覺編碼器——而 DeepSeek 現有的開源方案目前尚不具備此能力。

企業採用與開源分發的經濟邏輯

美國企業已開始將 Kimi 模型整合至生產環境。DoorDash 使用 Kimi 處理較低階任務，同時保留 Anthropic 的 Fable 用於較高階功能。Coinbase 也確認了內部使用情況，而 Cursor——這家被 SpaceX 收購的程式碼初創公司——則將其產品建立在 Kimi 的基礎之上。來自 OpenRouter 的數據顯示，中國 AI 模型目前在該平台上約佔美國企業 Token 使用量的 60%。

開放權重模型的結構性論證遠不止於基準測試分數。AI 的預期經濟影響——每年為全球 GDP 貢獻 17.1 兆至 25.6 兆美元——取決於其能否滲透至每一個行業與司法管轄區。封閉模型會產生可變的每次推理成本，並阻止針對特定垂直領域進行微調——在這些領域中，專有數據無法傳輸至外部 API。開放權重同時消除了這兩個限制。

華頓商學院教授 Ethan Mollick 表示，K3 及其他開放權重模型可能促使政府思考是否應透過審查美國本土模型的預發布來放緩 Anthropic 與 OpenAI 的發展步伐。不過他也指出，K3 對統計工作的稽核存在方法論上的錯誤。獨立測試發現，Kimi K3 在涉及隱藏不變量的問題上失敗率達 36%，而 Opus 4.8 僅為 8%，這表明其在複雜推理任務上仍存在可靠性差距。

追求最大採用的競爭壓力正在推動各方趨向開放。封閉系統或可在基準測試上維持暫時的領先優勢，但分發經濟學最終會傾向於能夠實現最廣泛全球化整合的範式。隨著時間推移，這種結構性優勢將逐步侵蝕封閉模型的市場地位——這並非出於意識形態偏好，而是因為技術本身的擴散需求從根本上排斥了持續封閉的可能性。

本文僅供資訊參考，不構成任何投資建議。