7月16日，月之暗面正式发布K3，总参数2.8万亿，全球最大开源大模型，Arena编程能力全球第一。马斯克在X上只发了一句话："Kimi K3令人印象深刻。"

真正值得关注的不是排名，而是K3验证了一件事：国产AI的"系统闭环"，已经跑通了。从昇腾芯片、国产服务器到800G光模块，从编译器到全球开发者工具，一条不依赖英伟达CUDA的平行体系，第一次被2.8万亿参数的大模型完整打通。

它定价15美元/百万Token，国产最贵，却仅为海外顶尖模型的三分之一。这种底气，来自国产供应链的成本重构。

这不是参数竞赛，是一场从算力基建到应用入口的产业链系统性重构。

来源：Arena. AI（K3登顶全球编程能力第一，超越Claude与GPT）

K3不是堆参数：1.79%激活率跑通了2.8万亿

很多人对2.8万亿参数没有概念。业界早有共识：单纯堆参数，模型训练会面临loss spike（损失值暴涨）的稳定性灾难，推理成本也会高到无法商用。K3的解法是一套"精算师思维"，即让2.8万亿参数"沉睡"，只在需要时唤醒极少数。

据月之暗面官方介绍，K3采用了896选16的超稀疏MoE（混合专家）架构，每次推理仅激活16个专家，激活比例仅1.79%。这就像一个大型医院的会诊系统：全院有896个科室的专家，但针对你的具体病症，系统只请16个最相关的科室主任来会诊。既保证了诊断水平的上限，又避免了"全院加班"的巨额成本。

与此同时，中金公司指出，K3自研了KDA混合线性注意力机制（Kimi Delta Attention）和注意力残差（Attention Residuals）。如果把传统注意力机制比作一个人读长文时"看了后面忘前面"，KDA就像给模型装了一个"速记本"，让100万Token（约150万字）的上下文真正实现无损长程记忆。经其测算，K3的扩展效率较上一代K2提升了约2.5倍。

原生视觉理解是另一张底牌。K3不是简单地把图片"翻译"成文字再处理，而是从架构层面实现了视觉与文本的联合理解。这意味着它可以直接看懂设计稿、工程图纸、前端界面截图，并生成对应代码。这也是它在编程评测中登顶的技术根基。

开源≠自部署：国产超节点才是红利落点

K3开源了，但普通企业很难"抱回家"。据产业链调研，K3的部署门槛极高，通常需64卡以上超节点支撑，训练环节更需数万卡集群连续运转数月。

所谓超节点，是由64到1024张国产加速卡通过高速互联组成的大算力单元，具备统一调度、共享内存、低延迟通信能力。K3的出现，正在加速国产算力从"可用"到"好用"的替代进程。

在芯片层，昇腾910B是目前与K3适配最成熟的国产方案。华为Atlas 950 SuperPoD（1024张昇腾910B）已成为官方推荐的首选国产算力底座，完成了K3全链路适配。海光DCU3凭借兼容CUDA生态的优势，在推理场景快速切入；寒武纪思元590则针对MoE架构的稀疏计算做了专门优化。

在服务器层，浪潮信息作为Kimi训练集群的核心供应商，推出了NF5488A6超节点，单台可支持64张国产加速卡；中科曙光的"曙光8000"十万卡超集群，则瞄准了更大规模的训练需求。

但真正的瓶颈在"连接"而非"计算"。MoE模型每轮推理都要在数百个专家之间做海量数据交换，通信量是同规模稠密模型的数倍。机架之间、机房之间需要800G甚至1.6T的高速光模块来传输数据。目前800G光模块已大规模商用，成为AI集群标配；1.6T进入放量前夜，预计2027年规模上量。CPO（共封装光学）技术进一步将光模块与交换机芯片封装在一起，降低功耗、提升带宽。在这一领域，中际旭创、新易盛、天孚通信等国产厂商已基本实现自主可控。

散热则是另一个隐性战场。国产加速卡在高负载MoE场景下单卡功耗达500-700W，单机柜功耗从传统风冷时代的10kW飙升至40-120kW。K3的训练需要数万卡连续跑数月，推理需要7×24小时高并发，温控必须稳定在±1-2℃，否则性能会衰减。液冷由此从"可选方案"变成"必选项"：冷板式液冷因成本低、易改造，占据市场九成以上份额；浸没式液冷则直接把服务器泡在绝缘冷却液里，散热效率最高，适配万卡级超高密度训练。英维克、高澜股份等头部厂商已实现万卡集群的规模化交付。

图：K3以2.8万亿参数，成为全球首个触及3T级别的开源模型 来源：K3 技术报告速览版

模型开源后，工具链升级比参数更值钱

7月27日，K3开放完整权重。这意味着企业可以本地私有化部署、微调与二次开发。但2.8万亿参数的MoE模型不是下载下来就能跑顺的，它带动了一整条工具链的升级需求。

编译器与推理加速是第一步。据中信建投梳理，月之暗面自研了MiniTriton编译器，性能对标OpenAI Triton；华为CANN、寒武纪CNToolkit针对稀疏计算做了深度优化，可将推理延迟降低30%以上。如果把大模型比作一辆跑车，编译器就是变速箱，决定了马力能否高效传导到车轮上。

深度学习框架也在适配。华为昇思MindSpore、百度飞桨已适配K3的训练与推理；旷视MegEngine、清华Jittor则主打轻量化版本，瞄准边缘侧的低功耗推理场景。

模型安全与私有化部署是政企客户的刚需。开源模型普及后，数据不出域、内容可审计成为硬要求。深信服、第四范式、商汤科技、奇安信等厂商，正提供模型水印、溯源、恶意指令拦截与内容审核服务。金融、医疗、政务等敏感行业的私有化部署需求，正在催生一个配套的"安全中间件"市场。

MaaS（模型即服务）则是离普通开发者最近的环节。阿里云、腾讯云首批上线了K3企业API，提供算力租赁、私有化部署与微调托管；华为云CodeArts集成K3，强化代码生成能力；软通动力、润和软件等集成商则承接行业定制化部署。对于中小公司而言，自建64卡超节点不现实，向IDC租赁K3算力成为主流选择，这也直接拉动了润泽科技、世纪互联等AIDC厂商的上架率和租金水平。

国产AI产业链的"系统闭环"，K3跑通了

K3的发布，正在把国产AI产业链从"单点突破"推向"系统闭环"。一条由训练需求驱动的硬件替代链，已经悄然启动。

最显性的变化发生在算力层。据多家产业链机构分析，月之暗面在K3的训练集群中，已大规模采用国产服务器与加速卡替代英伟达A100/H100。这不是实验室里的概念验证，而是2.8万亿参数模型跑通后的工程实证，中金公司在研报中拆解指出，K3在昇腾910B上已完成全链路适配，Atlas 950 SuperPoD成为官方推荐的首选国产算力底座。当这条通路被验证可行，后续跟进的模型厂商就省去了从零开始的迁移成本，国产芯片、AI服务器、高速互联设备的需求，正从"政策驱动"转向"商业驱动"。

硬件替换的连锁反应，很快传导到基础设施层。据中金公司测算，国产加速卡在高负载MoE场景下单卡功耗达500-700W，单机柜功耗从传统风冷时代的10kW飙升至40-120kW。产业端信息显示，K3要求至少64卡超节点起步，这意味着只有功率密度达40-120kW/柜的AIDC智算中心才能承接。润泽科技作为月之暗面的长期专属智算服务商，机柜上架率直接受益；亚康股份则包揽了从服务器上架到集群运维的全栈服务。对于那些无力自建超节点的中小公司，向AIDC租赁K3算力成为主流选择，算力租赁市场的上架率和租金水平随之双升。

当算力底座夯实，应用层的变革才真正开始。据中金公司分析，K3面向长程编程、知识工作和推理场景设计，其用户画像并非普通网民，而是程序员、分析师等专业人群。中信建投在跟踪报告中提到，K3在海外已通过Cursor、Cline、Roo Code等AI编程工具嵌入全球开发者的IDE。这意味着K3实际上在争夺下一代"生产力入口"，AI不再是一个对话框，而是融入工作流的底层能力。

把这些碎片拼在一起，一幅更完整的图景浮现。从昇腾芯片到曙光服务器，从800G光模块到浸没式液冷，从MiniTriton编译器到华为CANN工具链，K3验证了一条不依赖英伟达CUDA生态的平行体系。当这条链路在2.8万亿参数的规模下跑通，国产AI产业拥有的就不只是一款模型，而是一套真正意义上的"重型基础设施"。

图：万联摩尔AI生成

K3敢卖高价：专业级定位已被商业化验证

K3的定价策略在国产模型中显得"另类"。输入3美元、输出15美元的价格，较自家K2.6版本翻了近4倍。这是Kimi的一次主动"价格跳升"，它不想打价格战，而是要抢占"专业级"心智。

图：海内外主流模型价格（K3定价为国产最高，但仅海外顶尖模型的1/2至1/3）

从实际测评来看，K3确实撑得起这个定价。中金公司在内部测试中尝试用K3搭建大模型观测网站和制作技术全景PPT，两个任务均在半小时内完成，前端设计、后端逻辑、数据更新均展现出高水准。而在编程这个"硬骨头"领域，K3的表现尤为突出。

在Kimi Code Bench和BrowseComp等测评中，K3的"得分/成本"比显著优于同档海外模型：它是Fable 5价格的三分之一，却在多项编程任务中与之持平甚至超越。

用户反馈也印证了这一逻辑：K3推理速度快，但消耗Token也非常快。这意味着它面向的不是偶尔查资料的普通用户，而是愿意用Token换效率的专业人群，如程序员、量化研究员、金融分析师、法律顾问。对他们来说，模型在半小时内完成原本需要一天的工作，15美元的输出价格完全可以接受。

商业化数据验证了这条路线的可行性。据中信建投跟踪，月之暗面的ARR（年度经常性收入）在2026年3月突破1亿美元，4月即翻倍至超2亿美元。其中海外收入占比已超过50%，长期目标瞄准70%。K3在海外的渠道布局也颇具章法：通过AWS Bedrock、GCP Vertex AI、Azure Foundry触达B端企业；通过Groq、Together AI、Fireworks AI覆盖对延迟敏感的开发者；通过Cursor、Cline、Roo Code等AI编程工具嵌入个人开发者的工作流。

开源不再是妥协，是领跑者的武器

回到马斯克那条推文。在AI大模型的牌桌上，被对手称赞往往比被用户追捧更有分量。这意味着你的技术路线，已经进入了顶级玩家的视野。

K3的价值，从来不只是2.8万亿参数，也不只是Frontend Code Arena上的一个全球第一。它的真正意义在于：当开源权重文件被下载到全球开发者的服务器，当昇腾910B集群在液冷机房中7×24小时满负荷运转，当800G光模块在机架间吞吐着专家模型的激活信号，一条由中国公司定义技术路线、由中国供应链支撑产能、由中国开发者贡献生态的AI产业链，已经跑通了。

这不是终点。但K3是一个必须记住的分水岭：从此，"开源"不再是跟随者的妥协，而是领跑者的武器。

数据来源： Arena.AI、Artificial Analysis、月之暗面（Moonshot AI）

研报来源：

中信建投证券：《月之暗面(Kimi)：从长上下文到率先迈入万亿参数，Agentic可期》（2026.06.08）

中金公司研究部：《Kimi K3发布，国产开源模型的又一里程碑》（2026.07.17）

国金证券研究所：《Kimi K3能力大幅跃进，千问接入Apple智能》（2026.07.19）

报道来源：乐晴智库、36氪、新浪科技、智东西

免责声明： 本文仅供参考，不构成投资建议。