K3發(fā)布48小時(shí)，服務(wù)器滿載、英偉達(dá)暴跌、Anthropic連夜改訂閱

K3發(fā)布后的48小時(shí)，全球AI圈都被點(diǎn)燃了。所有人都迫切地想體驗(yàn)一把這個(gè)綜合性能僅落后于Fable 5和GPT-5.6 Sol的開(kāi)源模型，到底性能如何。

可這就導(dǎo)致Kimi的服務(wù)器在一瞬間承受了巨大的壓力。因此，Kimi官方不得不在7月19日深夜，發(fā)布一則標(biāo)題為《關(guān)于算力緊缺與會(huì)員暫停開(kāi)放的說(shuō)明》的公告。

Kimi官方表示，目前K3的請(qǐng)求量大幅超出預(yù)估，已經(jīng)逼近現(xiàn)有算力集群的承載極限。

為了保障已訂閱用戶的體驗(yàn)，即日起暫停C端新用戶會(huì)員訂閱，把現(xiàn)有算力全部留給老用戶。同時(shí)，會(huì)員體系將拆分為兩部分，分別為Kimi的主權(quán)益（Kimi Web、Kimi App、Kimi Work）和Kimi Code權(quán)益，以便更精準(zhǔn)地分配算力。

翻譯一下：K3太火了，服務(wù)器扛不住了，先別進(jìn)新人了。

與此同時(shí)，外媒爆料稱，Kimi已向投資者發(fā)出股東決議，尋求對(duì)香港上市的批準(zhǔn)，最快六個(gè)月IPO。

為了推動(dòng)上市，Kimi目前正在完成一輪新融資，估值可能超過(guò)300億美元。

今年3月，月之暗面ARR（年化收入）首次突破1億美元；5月突破2億美元；到6月已經(jīng)接近3億美元，三個(gè)月內(nèi)翻了三倍。

收入結(jié)構(gòu)也跟以前天差地別，API業(yè)務(wù)占比已經(jīng)突破了70%，而以前的Kimi，主要收入靠C端訂閱。

外媒進(jìn)一步爆料稱，在K3發(fā)布后，ARR又實(shí)現(xiàn)了數(shù)倍增長(zhǎng)。

不過(guò)K3引發(fā)的震蕩遠(yuǎn)不止于此。

美國(guó)國(guó)家前AI事務(wù)負(fù)責(zé)人、現(xiàn)任總統(tǒng)科技顧問(wèn)委員會(huì)聯(lián)席主席大衛(wèi)·塞克斯（David Sacks），發(fā)文表示，這是中國(guó)模型第一次在前端編程賽道拿下第一。

塞克斯說(shuō)，照此以往，美國(guó)將輸?shù)鬉I競(jìng)賽。

在爆火之后，K3如今也成為了硅谷的新標(biāo)的。馬斯克就是如此，他表示，xAI旗下最新大模型將于下周完成初步訓(xùn)練，可能超越Kimi。

K3發(fā)布的首個(gè)交易日，英偉達(dá)單日市值蒸發(fā)約1111億美元，與2025年1月DeepSeek發(fā)布時(shí)如出一轍。費(fèi)城半導(dǎo)體指數(shù)本周下跌12.5%，創(chuàng)下15個(gè)月來(lái)最差單周表現(xiàn)。摩根大通策略師在報(bào)告中直接稱之為“DeepSeek 2.0”。

加州大學(xué)伯克利分校計(jì)算機(jī)科學(xué)教授、Databricks聯(lián)合創(chuàng)始人伊翁·斯托伊卡（Ion Stoica）說(shuō)：“我們過(guò)去常說(shuō)，開(kāi)源模型，尤其是中國(guó)的開(kāi)源模型，比目前最先進(jìn)的模型落后六到九個(gè)月。可現(xiàn)在，這個(gè)差距大概只有兩到三個(gè)月了。”

那么問(wèn)題來(lái)了，這個(gè)K3，到底是從哪冒出來(lái)的？

01

兩年前埋下的那顆種子

要說(shuō)K3，得先把時(shí)間撥回2024年。

當(dāng)年，楊植麟在內(nèi)部小范圍分享了K0-Math模型。這個(gè)模型能像人一樣做驗(yàn)算、改錯(cuò)題。

當(dāng)時(shí)楊植麟提出了一個(gè)判斷，說(shuō)下一個(gè) Scaling Law，叫做Reinforcement Learning Scaling，簡(jiǎn)稱RL Scaling。

過(guò)去的Scaling Law，本質(zhì)上是讓模型“死記硬背刷題庫(kù)”。你把海量的訓(xùn)練數(shù)據(jù)喂給它，它把所有題目和答案全背下來(lái)，考試的時(shí)候看到題目，就憑記憶拼出一個(gè)“最像正確答案”的東西。背得越多，分?jǐn)?shù)越高。

學(xué)術(shù)上，這個(gè)方法叫Next-Token Prediction，每一個(gè)字，都是根據(jù)前面所有字算出來(lái)的最有可能出現(xiàn)的下一個(gè)字。

楊植麟說(shuō)的RL Scaling，換了個(gè)思路。不讓模型背答案了，讓它學(xué)會(huì)自己刷題、自己改錯(cuò)。

具體的做法是，給模型配一個(gè)“自動(dòng)打分”的機(jī)制。它先自己試著做一遍，做完給自己打分。做錯(cuò)了沒(méi)關(guān)系，回頭看哪步出問(wèn)題了，改一遍再交，改到對(duì)為止。然后把這次怎么錯(cuò)的、怎么改對(duì)的，全都記下來(lái)，變成自己的經(jīng)驗(yàn)。

K0-Math的底層邏輯就是RL Scaling，它的數(shù)學(xué)成績(jī)超過(guò)了OpenAI當(dāng)時(shí)最強(qiáng)的推理模型o1。

而今天的K3，正是兩年前RL Scaling的第一次大規(guī)模落地。

這也就是K3技術(shù)報(bào)告中提到的“視覺(jué)閉環(huán)”（Vision in the Loop）。

它的本質(zhì)，是把K0-Math在解數(shù)學(xué)題上的RL Scaling能力，擴(kuò)展到了帶視覺(jué)反饋的全場(chǎng)景。模型寫(xiě)完一段代碼，自己看看效果，哪里不對(duì)自己改，改完再看，形成“生成—看效果—迭代”的完整工作流。

Kimi在技術(shù)報(bào)告里放了幾個(gè)Demo，以演示視覺(jué)閉環(huán)的效果。

K3從零開(kāi)始寫(xiě)了一個(gè)3D開(kāi)放世界游戲。用Three.js、WebGPU 和 GPU Compute，在瀏覽器里跑起來(lái)了一個(gè)可以騎馬探索的程序化生成開(kāi)放世界。

其中的地形、光影、玩法邏輯，全是模型自己寫(xiě)的。它甚至調(diào)用了外部工具來(lái)生成3D騎手和馬的模型。

它還剪了一支自己的發(fā)布預(yù)告片。從56段原始素材里自己挑片段、自己做動(dòng)作匹配剪輯、自己卡幀對(duì)齊節(jié)拍、自己處理音頻，還來(lái)回改了好幾版。

技術(shù)報(bào)告中提到，K3可以實(shí)現(xiàn)，幀級(jí)精準(zhǔn)節(jié)拍同步（frame-accurate beat synchronization）。

一秒鐘有24幀，每一幀只有約0.04秒。人類對(duì)時(shí)間的感知是有誤差的，一般人剪視頻，能對(duì)準(zhǔn)到“大概在這個(gè)鼓點(diǎn)附近”就不錯(cuò)了，差個(gè)零點(diǎn)幾秒根本感覺(jué)不出來(lái)。

“幀級(jí)精準(zhǔn)”的意思是，畫(huà)面切換精確到具體的某一幀，剛好卡在那個(gè)鼓點(diǎn)最“咚”的那一幀上。

前文提到，K3也是全球首個(gè)開(kāi)源的3萬(wàn)億級(jí)別模型，總參數(shù)達(dá)到了2.8萬(wàn)億。

這么大的參數(shù)，如果按照傳統(tǒng)方法來(lái)說(shuō)，它每輸出一次，算力消耗都會(huì)爆炸，但事情截然相反。在KIMI核心的KDA（Kimi Delta Attention）混合線性注意力機(jī)制作用下，百萬(wàn)token級(jí)別的長(zhǎng)文本解碼速度快了6.3倍。配合Attention Residuals（注意力殘差）技術(shù)，訓(xùn)練效率提升約25%，額外成本不到2%。

評(píng)測(cè)機(jī)構(gòu)Artificial Analysis當(dāng)天就放出了測(cè)評(píng)。K3在AI智能指數(shù)上拿到57分，排名全球第三，僅次于Claude Fable 5的60分和GPT-5.6 Sol的59分，超過(guò)了Claude Opus 4.8（56分）、GPT-5.5和GLM-5.2。

更關(guān)鍵的是性價(jià)比。K3完成單個(gè)任務(wù)的成本是0.94美元，跟GPT-5.6 Sol的1.04美元差不多，只有Claude Opus 4.8（1.80美元）的一半。

馬斯克在 X 上看到Artificial Analysis發(fā)的K3跑分推文，回了一個(gè)詞：“Impressive”。

02

想追上Fable 5，還差什么

雖然在Artificial Analysis的榜單上，Kimi K3只比Fable 5低了3分，但背后仍是不小的差距。

Kimi自己也在技術(shù)報(bào)告中開(kāi)頭就寫(xiě)到，“K3的整體性能仍然落后于最強(qiáng)大的模型Claude Fable 5和GPT 5.6 Sol”。

Artificial Analysis的智能指數(shù)只是一個(gè)綜合分。拆開(kāi)來(lái)看單項(xiàng)，就會(huì)發(fā)現(xiàn)差距具體表現(xiàn)在哪里。

在真實(shí)代碼庫(kù)中長(zhǎng)程工程能力基準(zhǔn)DeepSWE里，GPT-5.6 Sol 拿到73.0分，F(xiàn)able 5拿到70.0分，K3是67.5分。在 Terminal Bench 2.1上，GPT-5.6 Sol以88.8分領(lǐng)先，K3拿到88.3分緊隨其后，F(xiàn)able 5和 Opus 4.8都是84.6分 。

K3在某些單項(xiàng)上確實(shí)能贏，可是在長(zhǎng)時(shí)間、多步驟、高復(fù)雜度，這些硬骨頭工程任務(wù)上，要遜色于Fable 5和 GPT-5.6 Sol。

在高難度視覺(jué)推理測(cè)試Zerobench測(cè)試中，F(xiàn)able 5拿到46.0分，K3是41.0分，差了5分。同時(shí)，F(xiàn)able 5在兩項(xiàng)視覺(jué) Agent測(cè)試中均拿下第一。

Fable 5能僅憑截圖就重建一個(gè)Web應(yīng)用的完整源代碼，還能從密集的科學(xué)圖表中提取精確數(shù)據(jù)。它能理解屏幕上的所有信息，然后基于這些信息，再采取行動(dòng)。

K3雖然也具備視覺(jué)閉環(huán)能力，但在視覺(jué)理解的深度和精度上，要低于Fable 5。

Kimi在技術(shù)報(bào)告里還承認(rèn)了兩個(gè)部署層面的缺陷。

第一，K3在訓(xùn)練中保留了完整的思考?xì)v史（thinking history），如果調(diào)用方?jīng)]有正確地把之前的推理過(guò)程傳回來(lái)，或者在會(huì)話中從別的模型切換到K3，輸出質(zhì)量就會(huì)明顯下降。

這意味著K3對(duì)harness架構(gòu)要求非常高，換一個(gè)框架，比如從Claude Code換到Hermes Agent，表現(xiàn)可能就判若兩模。

第二，K3在任務(wù)模糊時(shí)會(huì)“過(guò)度主動(dòng)”。

也就是說(shuō)，模型更傾向于替用戶做決定，而不是先確認(rèn)用戶的意圖。在快節(jié)奏的創(chuàng)意場(chǎng)景里這可能是優(yōu)點(diǎn)，但在需要精確執(zhí)行的工程流程里，這種“自作主張”可能引發(fā)連鎖錯(cuò)誤

還有一個(gè)容易忽視但極其重要的問(wèn)題：幻覺(jué)。Artificial Analysis在測(cè)評(píng)中特別指出，K3的幻覺(jué)率比上一代 K2.6反而有所上升。

在AA-Omniscience幻覺(jué)測(cè)試中，K3“一本正經(jīng)胡說(shuō)八道”的頻率增加了 。對(duì)于一個(gè)定位為“長(zhǎng)程編程和知識(shí)工作”的模型來(lái)說(shuō)，這是非常致命的。

比如讓它跑一個(gè)12小時(shí)的自主編程任務(wù)，中間如果它在一個(gè)關(guān)鍵決策點(diǎn)上產(chǎn)生了幻覺(jué)，那么整條鏈路就全崩了。

Fable 5在這方面有一個(gè)天然優(yōu)勢(shì)，它的安全架構(gòu)和準(zhǔn)則式AI（Constitutional AI），讓它在長(zhǎng)時(shí)間Agent運(yùn)行中能夠更“謹(jǐn)慎”。

拿不準(zhǔn)的事情就直接說(shuō)不確定，碰到模棱兩可的情況會(huì)提前打預(yù)防針，也會(huì)講清楚自己是怎么一步步推的，由此大幅減少出現(xiàn)幻覺(jué)的可能。

還有一個(gè)更深層次的問(wèn)題，F(xiàn)able 5只是Anthropic Mythos模型的公開(kāi)版本，真正的Mythos 5，只對(duì)約100家經(jīng)過(guò)審查的美國(guó)關(guān)鍵基礎(chǔ)設(shè)施機(jī)構(gòu)開(kāi)放 。

所以目前拿來(lái)對(duì)比的模型，并不是Mythos的完全體。

不過(guò)K3的問(wèn)世，依然撼動(dòng)了Anthropic。

Anthropic原本計(jì)劃將Fable 5從現(xiàn)在的訂閱制中下架，轉(zhuǎn)為純按量計(jì)費(fèi)。

然而就在K3發(fā)布后的第二天，Anthropic突然改口官宣，稱Fable 5永久保留在訂閱方案中。并且Max和Team Premium用戶可使用50%額度，Pro和Team Standard用戶則獲得100美元一次性額度補(bǔ)償。

誠(chéng)然，K3的上限低于Fable 5。不過(guò)K3能完成Fable 5絕大多數(shù)的任務(wù)，而且費(fèi)用遠(yuǎn)低于Fable 5。因此，修改訂閱制，讓利給用戶，是在K3這波熱潮之中，留住客戶的最好辦法。

03

楊植麟為何不留在美國(guó)

在Kimi K3發(fā)布后不久，蘋(píng)果首任AI總監(jiān)魯斯蘭·薩拉霍丁諾夫（Ruslan Salakhutdinov，Russ是Ruslan的簡(jiǎn)寫(xiě)）也發(fā)文對(duì)楊植麟和Kimi表示慶祝。

魯斯蘭還有另一個(gè)身份——楊植麟在CMU的導(dǎo)師。他在推文中還回憶起了兩人在CMU，一起做出XLNet和Transformer-XL的那段經(jīng)歷。

然而，正是因?yàn)轸斔固m的那篇X，意外引爆了另一場(chǎng)討論，美國(guó)為何留不住楊植麟？

有人在評(píng)論區(qū)問(wèn)魯斯蘭：是不是H-1B沒(méi)抽中？是不是簽證出了問(wèn)題？

為此，魯斯蘭專門發(fā)了一條長(zhǎng)文澄清。

他寫(xiě)道：“關(guān)于楊植麟為什么離開(kāi)美國(guó)，存在很多誤解和錯(cuò)誤信息。他如果想留在美國(guó)，有很多機(jī)會(huì)。事實(shí)上，我曾在一條郵件鏈上，和一位蘋(píng)果高管（Tim Cook 的直接下屬）討論楊植麟是否有意加入蘋(píng)果。我說(shuō)他想回國(guó)。對(duì)方的回復(fù)是：我們?cè)诒本┯修k公室，如果他愿意，可以去那里。”

隨后，魯斯蘭寫(xiě)到，“但楊植麟非常堅(jiān)定地要回去創(chuàng)業(yè)。我記得他跟我說(shuō)過(guò)，如果他不至少嘗試一次創(chuàng)辦自己的公司，他會(huì)后悔一輩子。我尊重這個(gè)決定，而且他是對(duì)的。”

可楊植麟為何又偏要?jiǎng)?chuàng)業(yè)呢？

通過(guò)梳理他的經(jīng)歷和言論，我認(rèn)為要分成三層來(lái)理解。

最底層，是一種強(qiáng)烈的創(chuàng)業(yè)執(zhí)念。

2016年，楊植麟、陳麒聰、張宇韜三人創(chuàng)立循環(huán)智能，楊植麟任AI和產(chǎn)品負(fù)責(zé)人，可彼時(shí)楊植麟才讀博二。

2019年博士畢業(yè)時(shí)，已經(jīng)兼職創(chuàng)業(yè)三年的楊植麟選擇回國(guó)。他當(dāng)時(shí)不只是拒絕了谷歌、蘋(píng)果、Facebook等海外大廠，就連包括華為在內(nèi)，一眾國(guó)內(nèi)大廠的高薪offer，他也一并回絕。

楊植麟認(rèn)為，現(xiàn)在各大機(jī)構(gòu)的研究模式都是錯(cuò)的。

他在后來(lái)的采訪時(shí)解釋說(shuō)，大廠科學(xué)家即使能力很強(qiáng)，也往往沒(méi)有足夠的資源和權(quán)力推動(dòng)產(chǎn)品落地。

公司的業(yè)務(wù)方向會(huì)調(diào)整，科學(xué)家即使有意愿推動(dòng)某項(xiàng)產(chǎn)品，成本和代價(jià)也會(huì)很大。

“我們看到老師們?cè)诠I(yè)界有一些title，但其實(shí)本質(zhì)上他們還是在做研究工作。基礎(chǔ)研究固然重要，但無(wú)法打破學(xué)術(shù)界與工業(yè)界之間的壁壘。”楊植麟說(shuō)到。

他的兩位博士導(dǎo)師就是現(xiàn)成的例子，剛才提到的魯斯蘭，他在搞學(xué)術(shù)之余擔(dān)任蘋(píng)果AI研究負(fù)責(zé)人，另一位倒是威廉·科恩（William Cohen）擔(dān)任谷歌首席科學(xué)家。

在旁人看來(lái)，這是令人羨慕的“學(xué)界+業(yè)界”雙軌制。可楊植麟?yún)s覺(jué)得，這種模式在組織架構(gòu)上存在局限。

科學(xué)家沒(méi)有足夠的資源或權(quán)力去推動(dòng)產(chǎn)品，公司首要出發(fā)點(diǎn)是賦能業(yè)務(wù)，而非推動(dòng)AI落地，技術(shù)轉(zhuǎn)化率與效率都被企業(yè)組織架構(gòu)拖累。

由此引出了第二層，對(duì)方向的把控。

對(duì)于楊植麟來(lái)說(shuō)，如果他只是想做研究、發(fā)論文，那最好的選擇自然是留在CMU，或者各大廠的研發(fā)團(tuán)隊(duì)里。可楊植麟想做得更大， 他除了要研究基礎(chǔ)模型，還要做出產(chǎn)品。

最后是第三層，楊植麟需要一個(gè)起點(diǎn)。

楊植麟的清華同學(xué)、聯(lián)合創(chuàng)始人、早期客戶、人才網(wǎng)絡(luò)和融資關(guān)系，主要都在中國(guó)。就比如Kimi的另一位創(chuàng)始人周昕宇，他就曾是楊植麟在清華創(chuàng)辦樂(lè)隊(duì)時(shí)期的吉他手。

循環(huán)智能的另外兩位創(chuàng)始人陳麒聰和張宇韜，也都是他在清華大學(xué)KEG知識(shí)工程實(shí)驗(yàn)室認(rèn)識(shí)的。

這意味著，回國(guó)創(chuàng)業(yè)的啟動(dòng)成本遠(yuǎn)低于在美國(guó)從零組建團(tuán)隊(duì)。

那個(gè)在 CMU 博士二年級(jí)就開(kāi)始創(chuàng)業(yè)的年輕人，從一開(kāi)始就很清楚自己要什么。