Kimi K3 逼矽谷選邊站

Kimi K3 讓美國 AI 圈正面對開放權重、定價與政策管制的衝突。

7 月 16 日，Moonshot AI 推出 Kimi K3。它有 2.8 兆參數，還支援 100 萬 token 上下文。這種規格，已經不是一般模型發表會的等級。

更麻煩的是，它還走開放權重路線。這讓 OpenAI、Anthropic、政策圈和新創圈，全都得表態。問題不只在模型強不強，而在誰要付錢、誰能用、誰能改。

K3 不只是模型，也是訊號

K3 的規格很誇張。它採用 Mixture-of-Experts 架構，有 896 個 experts，每個 token 只啟用 16 個。這種設計的目的很直接，就是把算力花在刀口上。

它還把 100 萬 token 上下文做成主打。這對長文件整理、程式碼審查、代理式任務很有用。你不用每次都切段重餵，工作流會順很多。

Moonshot 也不是只堆參數而已。它用 Kimi Delta Attention、Attention Residuals、Stable LatentMoE，再加上量化感知訓練，去壓解碼成本和提升效率。這些詞很硬，但意思很簡單：它想用更少的浪費，做出更強的模型。

• 2.8 兆參數，讓 K3 站進超大模型俱樂部。
• 896 個 experts，代表它是大型 MoE 系統。
• 100 萬 token 上下文，直接對準長文與程式碼場景。
• 6.3 倍解碼加速，顯示架構優化真的有用。
• 約 2.5 倍擴展效率，說明它不是只靠堆料。

華府和矽谷都很快有反應

這次最先開火的，是美國政策圈。白宮科技政策辦公室主任 Michael Kratsios 在 X 上直接指控，K3 可能大量蒸餾自美國模型。美國財政部長 Scott Bessent 也提到，如果真的發現中國模型帶有美國模型水印，就可能考慮制裁。

同一天，OpenAI 總裁 Greg Brockman 在 Bloomberg 上說，K3 是「很好的模型，毫無疑問」。他把焦點拉回基礎建設，認為開放權重模型表面上便宜，實際部署還是得靠昂貴硬體。

我覺得這句話很誠實，也很現實。模型開放，不代表成本消失。你還是得養伺服器、買 GPU、付電費、管維運。只是門檻會比封閉模型低很多。

“Open source AI is inherently decelerationist.” — Dean Ball, OpenAI Strategic Future lead

Dean Ball 的說法更直接。他認為開放模型會壓縮前沿實驗室的利潤，讓可投入的資金變少，最後拖慢頂尖模型研發速度。這句話很刺耳，但它點到商業模型的核心。

政策派想管蒸餾。封閉實驗室想守住收入。新創和開放模型支持者，則想要便宜又能真的拿來做產品的模型。三邊的立場，很難再混在一起。

新創與 Nvidia 站到另一邊

一個叫 Little Tech Association 的新組織，拉到 Proton、Replit、Y Combinator 的支持，還組了一封聯名信。將近 200 家公司簽名，要求白宮別去禁中國開放模型。

Particle 創辦人 Suhail Doshi 的講法很直白。他說，如果只能買像 Anthropic 這種封閉模型，幾百家新創可能會立刻死掉。這不是立場問題，是現金流問題。

對小團隊來說，模型價格就是生死線。每個月多花幾千美元，可能就把產品路線砍掉了。很多人愛談 AI 願景，但真正決定能不能上線的，常常是帳單。

Nvidia 執行長 Jensen Huang 的態度更意外。他說美國先前低估了 DeepSeek，現在也在低估 K3。照他的看法，AI 變便宜之後，需求會變大，晶片、資料中心和基礎設施反而更吃香。

• 近 200 家公司簽名反對封殺中國開放模型。
• Little Tech Association 拉到 Proton、Replit、Y Combinator。
• Huang 認為中國模型不太可能把美國公司擠出市場。
• 他也主張開放模型更容易被研究與檢查。

真正的戰場是商業模式

這場爭論看起來像技術戰，其實是商業戰。前沿實驗室燒掉數十億美元訓練模型，如果中國團隊能用更低價格交出接近的結果，利潤池就會縮水。

利潤一縮，投資人就會重新算帳。市場估值、募資速度、基礎建設預算，都可能跟著變。這也是為什麼封閉模型陣營對開放權重這麼敏感。

但開放陣營也有自己的歷史感。Transformer 論文是公開的，PyTorch 也是開源的。AI 早期很多進展，本來就靠共享工具和公開研究堆出來。今天只是商業化程度更高，爭奪也更直接。

從這個角度看，K3 逼大家回答的問題很簡單：AI 到底要像高價訂閱服務，還是像基礎設施？兩種答案，對應兩種產業結構。

• 若開放模型持續降價，封閉模型的毛利會被壓縮。
• 若新創能用更便宜的模型，產品上線速度會更快。
• 若投資人改看成本效率，估值邏輯也會變。
• 若模型更像基礎設施，晶片需求反而可能增加。

中國團隊也在自己的節奏上跑

Moonshot 創辦人楊植麟的態度，這兩年變很多。2023 年時，他還偏向封閉策略。到了 2025 年，DeepSeek 帶來衝擊後，Moonshot 先開放 K2，再推 K2.5，最後輪到 K3。

這代表策略調整，不是臨時起意。Moonshot 之前在 GTC 的分享，已經談到優化、注意力和 residual connection 的新想法。現在它把這些想法直接塞進可用模型裡。

Moonshot 團隊也坦白講過資源限制。他們在 Reddit AMA 說，GPU 沒有美國大廠那麼多，只能把每張卡榨得更乾。這種說法很有中國新創味道，聽起來苦，但也很務實。

Co-founder Zhou Xinyu 那句回應也很有意思。他被問到 OpenAI 花多少錢時，回答是：「我們也不知道，只有 Sam 知道。我們有自己的節奏。」這句話很像在說，別拿同一套標準套所有人。

• DeepSeek、Zhipu、Moonshot 都在不同節奏上往前跑。
• 開放權重讓中國團隊不用完全比拼資本密度。
• 架構優化的重要性，已經不輸參數量。
• K3 的完整權重若在 7 月 27 日釋出，生態會再被測一次。

接下來會怎麼走

K3 不會直接證明開放模型一定贏。它已經證明一件事：開放模型足以逼封閉實驗室公開 دفاع自己的商業邏輯，也能讓新創找到更便宜的起跑點。

如果 Brockman 說的「中國還落後約四個月」是真的，那這個差距小到足以讓市場緊張，也大到足以讓競爭繼續失控。接下來的重點，不是誰先喊贏，而是誰先把模型真的用進產品。

我自己的判斷很直接。K3 比較像壓力測試。它在測美國 AI 商業模式，也在測市場能不能接受開放權重成為常態。若完整權重如期釋出，台灣開發者也該盯緊：能不能 fine-tune、能不能部署、成本會不會真的壓下來。這些才是最實際的問題。