月之暗面回应K3：做难而正确的事，不惧马斯克挑战

7月21日下午，北京海淀知春路，月之暗面的总部会议室里，摇滚风格的装修透着一股硬核劲儿。就在这儿，Kimi K3发布后，企业业务负责人黄震昕首次公开接受了媒体采访。

月之暗面企业业务负责人黄震昕回答记者问题。罗亦丹 摄

K3的参数量达到了2.8万亿，什么概念？目前全球开源权重模型里，它排第一，没有之一。多个权威榜单拿下第一，连马斯克都在评测报道的评论区留言，说“令人印象深刻”，还放话后续要推出2万亿参数的模型，“可能超越Kimi”。结果呢？K3太火了，火到7月19日月之暗面不得不暂停C端新用户订阅——需求直接冲垮了预期。

面对算力告急的现状，黄震昕坦言：“K3过于火爆，我们其实已经做了预案，但挡不住用户热情。有人说这和去年的‘DeepSeek时刻’一样，最后我们选择优先保证老客户的体验。”至于马斯克发起的“挑战”，他笑着回应：“可能这次的表现让他们感受到了一点震撼。现在拭目以待，希望他们出来跟我们掰一掰手腕。我们的技术有很多都开源给了全世界，我们也不担心技术会马上被别人学走。有这样的胸襟和气度，希望马斯克也能做出2万亿的模型，我们一起共同进步。”

“其实已经做了比较充分的准备，但挡不住用户热情”

7月17日凌晨，Kimi K3正式发布。消息传开后的48小时内，全球开发者的请求蜂拥而至，用户量迅速逼近现有算力集群的承载极限。7月19日晚间，Kimi发布说明，直言“收获了远超预期的支持，但也面临始料未及的算力挑战”，随即暂停C端新用户订阅。

“我们提前做了充分的算力储备预案，但用户和客户的热情还是超出了预估。”黄震昕在采访中坦言。目前公司的优先级是保障存量付费用户的使用体验，“不愿为了扩大用户规模牺牲存量用户体验”。与此同时，团队正通过两条路径缓解矛盾——模型效能持续优化，算力供给快速扩容。

这种“幸福的烦恼”其实早有征兆。K3的核心支撑技术之一“Attention Residuals”（注意力残差），早在2026年3月就以技术报告形式开源，能让模型训练与推理效率提升25%。马斯克当时就在社交媒体上公开称赞，评价其为“非常令人印象深刻的工作”。

当K3的完整性能数据在发布后揭晓，行业反应相当剧烈。在业内视为最贴近真实工程开发的编程“金标准”Frontend Code Arena榜单上，K3以1679分登顶。而上一代K2.6在同一榜单上排第18位——一代之间，跃升17个位次。Vercel的CEO Guillermo Rauch发帖称，K3在Next.js最新综合Web工程基准评测中领先Fable，“这是开源模型首次在该综合Web工程评测上全面超过闭源模型。”

和DeepSeek-R1推出后英伟达一度大跌类似，K3也影响到了美股表现。美东时间7月17日，CNBC报道美股半导体板块走出今年以来最差单周行情，跌幅创下2025年4月之后新低，而导火索正是“中国月之暗面发布全新AI大模型”。

对于K3在全球的影响，黄震昕表示：“我们在全球市场上真正做出了SOTA级别的模型，定价也不是朝便宜去定的。我们摆脱了‘开源模型就是要做便宜的、低价的’这种印象。”

“模型公司一定要做模型”

面对用户的热情与海外的广泛关注，Kimi反而显得颇为低调。

“不做高性价比的标准化业务，而是聚焦‘难而正确’的前沿探索。”黄震昕这样解释公司的核心理念。如同登月一般，一旦实现突破，将为全人类创造巨大价值——这并非口号，而是贯穿在月之暗面从技术研发到商业布局的每一个决策中。

当前，越来越多的AI企业开始聚焦落地和Agent，月之暗面却一直保有对基础模型的执念。“模型公司一定要做模型。”黄震昕说。

基础模型的强度是所有上层应用的前提。Agent、C端产品、行业解决方案，都是模型能力提升到一定阶段后的自然产物。只有持续打磨最强模型，才能构建长期竞争壁垒。

这种执念在K3身上得到了集中体现。根据月之暗面公布的技术文档，K3基于自研的KDA混合线性注意力机制和Attention Residuals技术构建，采用MoE（混合专家）架构，在896个专家中高效激活16个，扩展效率较前代K2提升约2.5倍。更关键的是，月之暗面是Scaling Law（缩放定律）的坚定信仰者——模型参数量、训练数据量、计算量三者同步提升，模型性能就会持续增强——但传统Scaling Law面临指数级成本的硬约束：算力投入扩大100倍，模型性能仅提升10倍。

月之暗面的解法不是简单的工程效率优化，而是底层架构创新。黄震昕透露，过去8到11年间，大模型领域的三大核心基础技术从未出现本质迭代，而公司在2025至2026年完成了对这三项底层技术的突破，这也是K3能够实现SOTA性能的核心支撑。其中，Moon Clip二阶优化器是行业首次在万亿级大模型训练中应用该新型优化器，大幅提升Token效率，可让20TB训练数据发挥出相当于40TB的效果。K2系列曾在过去12个月中保持9个月的参数量领先，K3也将在参数量与性能上保持一段时间的领先优势。

黄震昕告诉记者，Kimi现阶段暂不提供私有化部署服务，商业模式对标海外成熟头部AI企业，核心发力打磨模型基础能力。他也明确了行业参数规模趋势：Kimi的大模型参数规模会持续向上拓展，不会止步于当前2.8万亿。

Kimi的“审美”：不做娱乐性场景，聚焦生产力

技术突破只是起点，商业化落地才是检验模型价值的关键。

K3在编程能力上的表现已经为它赢得了开发者生态的初步认可。在多项评测中，它展现出与顶级闭源模型抗衡的实力。Program Bench评测中，K3得分77.8，以0.2分的微弱优势超过GPT-5.6 Sol的77.6；FrontierSWE上得分81.2，大幅领先GPT-5.6 Sol的71.3，但次于Fable 5的86.6。在实际应用中，K3展示了长程工程能力——在计算天体物理“I-Love-Q”普适关系复现任务中，K3用约两小时完成了通常需要资深研究人员一到两周才能完成的工作。

但月之暗面的商业化视野不止于此。黄震昕在采访中透露，公司即将推出Kimi Hosted Agent企业级服务，开放Agent编排调度（Harness）能力，将沙箱环境与智能体调度框架整合为标准化平台，向企业客户提供PPT生成等场景的API接口，支持嵌入企业内部系统，可自定义内容风格，适配投研分析、内容生产、办公自动化等多元场景。

谈及与海外头部模型公司的竞争，黄震昕表示，全球模型公司在商业化方面已找到一条可行路径，Kimi在产品创新上持续投入，包括AgentSwarm路由在行业做Agent之前就已经做出来。“我们还是希望从产品驱动，然后设计不同的商业模式，打造出非常有竞争力的产品。”

黄震昕在采访中强调了Kimi一向的“产品审美”：“我们不会做娱乐性的场景，也不做生图、生视频。我们一直的定位就是生产力场景，包括编程、金融、法律、科学研究等领域。这就是我们的审美，我们会一直按照这个价值观去努力奋斗。”

在北京，从海淀知春路到清华校门口，短短一段路程聚集了智谱、Kimi等多家国内头部AI企业。黄震昕说，这里的产业集聚并非偶然——“人才密度高、政策支持完善，端一杯咖啡就能找到对应领域的专业人才”。这片被业内称为中国AI“卧龙池”的土地上，蛰伏的故事远不止一个。而K3的全球爆火和随之而来的算力告急，或许只是月之暗面“登月计划”的一个阶段性注脚。