北京
出品 | 網易智能
作者 | 辰辰
編輯 | 王鳳枝
這是OpenAI戰略前瞻負責人迪恩·鮑爾（Dean Ball）對Kimi K3的判斷。
但在同一篇長帖中，他隨即談到，美國政府可以怎樣讓企業不敢使用中國開放權重模型。
"你不需要禁止開源。你只需要指示每個機構，發布制造恐懼、不確定性和懷疑的軟性法規。"
他甚至寫道，相關判斷"不必有特別充分的依據"。
兩天前，中國創業公司月之暗面剛剛發布Kimi K3。這款2.8萬億參數模型登上Arena前端代碼競技場榜首，并在Vals AI和Artificial Analysis等第三方榜單中進入全球前三。它的整體能力仍落后于Claude Fable 5和GPT-5.6 Sol，但已經進入全球前沿模型的第一梯隊。
這意味著，K3參與競爭所依靠的已不只是低價和開放權重，它開始對閉源模型的價格與市場位置形成更直接的壓力。
一、批評聲迅速擴大
鮑爾的長帖發布后，討論很快從K3的技術能力，轉向美國是否會借監管限制中國開放權重模型。
最先開火的是戴維·薩克斯（David Sacks）。他曾是特朗普政府首任AI與加密貨幣政策最高負責人，現擔任總統科技顧問委員會聯合主席。
"不管他是在描述策略還是在預測，用制造監管不確定性作為競爭工具，完全不可接受。"
薩克斯補了一句更重的。"AI模型收入已經是閉源雙頭壟斷了。他們希望政府消滅自己的開源競爭對手。"
"他們已經把牌攤在桌上了。硅谷剩下的、仍然重視開放競爭的那些人，是時候也把牌攤出來了。"
他說的"雙頭"，是OpenAI和Anthropic。
風投人查馬斯·帕利哈皮蒂亞（Chamath Palihapitiya）更直白："未來是開源的。接受它，往前走。"
軟件工程師蘇海爾·多希（Suhail Doshi）把話題拉回了原點："美國AI實驗室的產品是用全人類的數據訓練出來的，一分錢沒付。任何以'蒸餾'為名叫停開源模型的游說或立法，都是在打擊未來的美國創新。"
爭議擴大后，鮑爾在當晚發了澄清帖：他說自己是在預測政府可能采取的做法，不是在倡議照此執行。他個人支持開源，直到AI變得過于危險的那一天，他說那將是一個"悲傷的日子"。
澄清并沒有消除質疑。
因為真正觸發反彈的，不是"建議"還是"預測"的區別，而是他描述那套做法時使用的措辭。
"不必有特別充分的依據。"
不管主語是誰，當AI行業內部人士公開描述一種無需充分證據的監管策略時，批評者擔心的是：規則可能被刻意模糊，只要最終達到排斥競爭者的效果。
這也正是為什么不少批評者認為，這種思路帶有明顯的"監管俘獲"色彩，就是監管機構在行業內部人士的建議下，設計出有利于既有企業的規則。
值得補一句：鮑爾描述的那些工具并非他憑空發明。Axios的后續報道顯示，美國政府在K3發布前就已討論過實體清單、行業安全警告和模型托管責任等方案。鮑爾的帖子更像是把既有政策選項公開說透，而不是單獨發明了一套新路線。
真正引發討論的，也正是這套表述本身。
二、第一名，但有代價
K3到底做了什么，讓一個OpenAI高管覺得有必要公開討論政府該怎么應對它？
按官方公布的信息：2.8萬億參數，混合專家架構，896個專家中每次激活16個，采用自研Delta注意力機制和注意力殘差架構。按月之暗面的說法，新架構和訓練配方讓K3相對上一代K2的"整體規模效率"提高了約2.5倍。
注意措辭。"規模效率"不是訓練速度，2.5倍是公司口徑。完整技術報告將與模型權重一同發布。
關鍵的時間節點在這里：月之暗面承諾在7月27日前發布完整權重。截至7月21日，官方權重尚未發布，用戶還不能通過正式渠道自行下載部署。即使權重開放，2.8萬億參數模型的本地部署也需要極高的硬件條件。
在第三方評測中，K3的前端代碼能力排到了Arena榜單第一，綜合能力在Vals AI指數38個模型中排第2，Artificial Analysis在7月17日發布的快照中將其列為第3。這些榜單各有側重，題型、采樣和排名更新時間不同，不能合并成"全面追平"的結論。但一家中國創業公司在多個維度進入第一梯隊，本身就是一個信號。
然后來看短板。
K3的token消耗很大。一位開發者讓模型畫一只騎自行車的鵜鶘，95個輸入token換來16658個輸出token，其中13241個是思考 token。"這只鵜鶘花了我25美分。"
它的運行成本不低。Arena聯合創始人評估，K3的推理成本與 Anthropic的 Claude Sonnet系列相當，顯著低于 Fable 5，但遠高于此前的中國開源模型。由于托管服務需求接近算力上限，月之暗面一度暫停了 K3的新訂閱，API仍然可用。
一位署名 Jukan的 Citrini Research分析師在 X上寫道：中國公司可能缺乏足夠算力服務全部推理需求，但它們不是在虧本銷售，也沒有無法收回訓練成本。暫停訂閱不等于傾銷，它恰恰說明需求超過了供給能力。
這些短板并不意味著"K3不夠好"，反而讓一個問題變得更突出：在這樣的資源約束下，月之暗面是怎么做到的？
三、去過北京辦公室的美國人
內森·蘭伯特（Nathan Lambert）去過月之暗面的北京辦公室。
他是艾倫人工智能研究所的前高級研究科學家，運營著 AI通訊 Interconnects。K3發布后，他寫了一篇萬字長文。
有一段話被反復引用。
"我去中國參訪時見到了 Kimi 的核心團隊。他們的文化中有一種你在走進辦公室的瞬間就能感受到的東西，有人稱之為氣場，以及一種表達這種氣場的自由。我去過很多 AI 公司，很少有一家能讓你立刻感受到這種特質。"
他還記下了一個細節。當他隨口說，OpenAI 一個普通研究員可能調用幾千塊 H100級別 GPU 時，Kimi 的研究員露出了驚訝的表情。
蘭伯特的結論是：中國實驗室的資本效率遠高于美國同行。 "在一個按規模法則運行的世界里，智能與有效資本成正比，而資本購買算力、數據和人才，這可能是你的 AI 產業能擁有的最大優勢。"
但他也謹慎地加了限定。中國研究人員薪酬更低、推理需求此前相對有限、訓練算力分配方式不同，這些都可能是效率優勢的部分解釋。但他強調，這些因素都很難精確測量，不能據此推算 K3的完整訓練資源。
"許多結果是可能的，"他寫道，"K3應該提高大多數人對'中國可能在近期直接領先 AI 能力'這一概率的估計，即便它不是你的最可能結果。"
他說的不是"中國已經贏了"。
他說的是：別再假設美國一定會贏。
四、一個減速，一個加速
鮑爾的長帖里有一個判斷值得認真對待。
"開放權重模型在經濟意義上是天生減速主義的，它壓低前沿模型的利潤空間，減少可再投資的資本，從而減緩下一代最強模型的研發速度。"
如果衡量的是閉源實驗室繼續投入巨額資本、推動模型能力前沿的速度，這個判斷有一定道理。但它只說了一半。
蘭伯特在自己的文章里拆開了這個判斷：開放權重模型對前沿實驗室的經濟回報是減速的，但對 AI 在經濟中的擴散是加速的，它降低了獲取一定水平智能的門檻，讓幾乎任何企業都能用開源模型定制領域專用的智能體。
"一個減速，一個加速。"蘭伯特寫道。取決于你站在誰的立場上。
因此，當鮑爾說"開源是減速主義"時，如果只衡量閉源頭部實驗室繼續加碼資本投入的速度，這個判斷并非全無根據。但在批評者看來，鮑爾的問題在于，他容易把"對頭部閉源實驗室的資本投入不利"，進一步推演成"對整個 AI 發展不利"，而這一步推演，恰恰是爭議的焦點。
有人視之為蓄意。有人視之為視角局限。不管是哪一種，薩克斯的回應替更多人說了話："他們已經把牌攤在桌上了。"
蘭伯特在萬字長文中把這個問題往前推了一步。
鮑爾說開源是減速主義，它壓低前沿實驗室的利潤空間，減少可再投資的資本，減緩下一代最強模型的研發。蘭伯特承認這個邏輯鏈條在經濟學上成立。但他追問了一句：然后呢？
減速，就一定不好嗎？
他的核心觀點是：開放權重模型略微滯后于閉源前沿，K3追到了3到5個月，這個時間差本身是有價值的。它為社會爭取到了一個天然的觀察窗口：在新能力被廣泛擴散之前，先看清楚它到底是什么、能做什么、邊界在哪里。
"如果開放權重模型落后前沿3個月、6個月或9個月，那仍然是一個非常短的時間窗口。我們真正需要做的不是試圖消滅這個窗口，開放模型終將跨越所有關鍵能力門檻，不管合不合法，而是在窗口期內建立評估和應對真正風險的能力。"
換句話說，與其一味封堵，更重要的是盡快建立評估體系。
這也是鮑爾與薩克斯爭論的交點。鮑爾強調的是，開放模型與前沿能力的差距縮短后，風險評估窗口正在收窄；薩克斯擔心的則是，站在"墻內"的公司會借安全之名抬高競爭門檻。蘭伯特提供了第三種思路：圍墻能否守住不是唯一問題，更重要的是在開放模型跨過關鍵能力門檻前，建立起相應的評估和應對機制。
五、修圍墻的人
比爾·格利（Bill Gurley）在《華盛頓郵報》上寫了一篇評論。他是硅谷最著名的風險投資家之一，P3研究所的創始人。
他的論點很簡單：開源是一種商業策略，經濟學家邁克爾·波特（Michael Porter）稱之為"成本領先"，在軟件行業有三十年的成功記錄。
Red Hat 用免費軟件建起了一家公司。2019年，它以340億美元賣給了 IBM。
谷歌免費送出了 Android 和 Kubernetes。沒有收費，沒有限制。
微軟曾稱開源為"癌癥"。如今它擁有 GitHub。
"那些現在把開源模型稱為危險的人，"格利寫道，"自己的公司每天都在依賴開源代碼運行。"
然后他提了一個更尖銳的問題。
如果這些 AI 公司真的像他們自己說的那樣，增長最快、利潤最高、模型遙遙領先，那為什么還需要政府幫忙擋住競爭對手？
一家正在跑贏未來的公司，不需要華盛頓來絆倒追趕者。
這不是在說安全擔憂是假的。Transformer 編輯沙基爾·哈希姆（Shakeel Hashim）的評估是：K3"很可能不具備危險的網絡攻擊能力"。蘭伯特在萬字長文的結論部分也坦率寫道：當模型變得足夠強時，開源的風險將是真實的。"問題不在于今天的風險是否被夸大，而在于當真正的風險出現時，我們是否已經建立了評估和應對的能力。"
安全是真實的。商業也是真實的。
真正值得追問的，不是"這是安全還是商業"，而是當缺乏具體能力評估的安全警告可以直接變成市場準入工具時，那堵墻在替誰加固優勢。
鮑爾說，他不是在建議，而是在預測。但不論主語是什么，行業內部人士把"不必有特別充分的依據"納入可行的政策描述，本身已經足以引發質疑。
那道圍墻最直接保護的，往往就是已經站在墻內的既有公司。
本文來源：網易智能
責任編輯：
王鳳枝_NT2541
