7 月 16 日晚，WAIC 2026 开幕前夕，月之暗面扔出了一枚真正的"核弹"。
Kimi K3，全球首个接近 3 万亿参数的开源模型，正式发布。
2.8 万亿总参数量，100 万 token 上下文窗口，原生视觉理解，完整权重将于 7 月 27 日前免费开放——这几个数字放在一起，注定要改写全球开源 AI 的格局。
这不是一次温水煮青蛙式的迭代。这是中国大模型首次在权威盲测榜单上，正面超越了 GPT 与 Claude 的旗舰闭源模型。
不只是"大"，而且"强"
参数规模是 K3 最直观的标签：2.8 万亿，直接超越此前的开源冠军 DeepSeek-V4-Pro（1.6 万亿），成为全球参数量最大的开源权重模型。
但 K3 没有走"堆参数"的老路。它采用 稀疏 MoE（混合专家）架构，总共有 896 个专家，每次推理只激活其中 16 个，大幅降低了计算开销。配合自研的 Kimi Delta Attention 混合线性注意力机制和注意力残差技术，K3 相比前代 K2 的扩展效率提升了约 2.5 倍。
也就是说：参数多了，但单次推理没贵多少。
在能力层面，K3 面向三个核心场景做了定向优化：长程编程、知识工作与复杂推理。原生支持视觉输入和多模态理解，意味着它不再只是一个"文字模型"，截图、图表、代码界面都能直接处理。
登顶代码盲测榜：1679 分，历史首次
最能说明 K3 实力的，是一份由加州大学伯克利分校研究人员创建的第三方盲测榜单——Frontend Code Arena（前端编程竞技场）。
这个榜单的玩法很"公平"：同一道任务交给两个匿名模型，由真实开发者盲评哪个结果更好，投票完成后才揭晓模型身份。它屏蔽了品牌光环，只看代码质量。
Kimi K3 以 1679 分排名全球第一，超过了 Claude Fable 5 的 1631 分和 GPT-5.6 Sol 的 1618 分。7 个前端编程细分领域，K3 拿下了 6 个第一。
这是中国大模型第一次登顶这个权威代码盲测榜单。
不过，客观地说，K3 的胜利主要是"局部领先"。在综合智能指数上，Artificial Analysis 给出的打分为 K3 57 分、Fable 5 60 分、GPT-5.6 Sol 59 分——K3 排全球第三。用一句话概括：编程场景已经做到最强，但全面对标闭源旗舰仍有距离。
开源，且定价"降维"
比技术参数更让行业震动的，是月之暗面的开源态度。
Kimi K3 完整权重将于 7 月 27 日前正式发布，允许商用。这意味着全球任何开发者、中小企业都可以下载、部署、微调这个接近 3 万亿参数的模型。
K3 的 API 定价为每百万 token 输入 3 美元、输出 15 美元。但在编码场景下，缓存命中率可超过 90%，实际调用成本可以大幅降低。相比闭源旗舰每小时成千上万美元的推理账单，开源模式的价值不言自明。
但另一方面，K3 的定价也是目前国产旗舰模型中最高的，远超 DeepSeek、GLM 等同期产品。公司对此的解释是：SOTA 级模型能力支撑与之匹配的商业定价。
效果如何？K3 发布后仅 48 小时，用户请求量激增导致算力短缺，月之暗面被迫暂停新用户订阅。市场反馈已经说明了一切。
"全球最大开源模型"意味着什么？
K3 的发布，不只是月之暗面一家公司的胜利。
在它之前，开源模型的最大参数记录是 DeepSeek-V4-Pro 的 1.6 万亿。K3 一口气把这个天花板拉到了 2.8 万亿，接近翻倍。
花旗在最新报告中指出，K3 将产生"杰文斯悖论"效应——效率提升、成本下降，反而催生更大的算力总需求，驱动服务器内存和存储的需求增长。
中信建投则认为，K3 的发布标志着国产大模型正加速缩小与海外前沿模型的差距，由单纯参数扩张转向模型能力、推理效率和应用落地的全面突破。
已有投资机构注意到，月之暗面的 ARR 在 6 月中旬已突破 3 亿美元，呈现指数级增长轨迹。与 DeepSeek 的"技术极客"路线不同，Kimi 正在走出一条罕见的"技术领先 + 商业闭环"路径。
不是神话，但已是里程碑
需要指出的是，K3 并非"全面碾压"。
在综合智能维度上，它仍是全球第三；在多模态精细度上，与 Fable 5 仍有差距；本地部署 2.8 万亿参数的难度极高，对绝大多数用户来说，API 仍是唯一现实路径。
但 K3 证明了一件事：开源模式可以做出比肩闭源旗舰的模型，中国团队可以在这个赛道上排到世界最前列。
从 DeepSeek 到 Kimi，中国开源大模型正在重新定义全球 AI 的竞争规则。当模型权重开放、社区可以自由参与改进，闭源巨头们最引以为傲的"护城河"，正在被一点一点填平。
