7月16日周四，月之暗面（Moonshot AI）发布了其最新旗舰模型Kimi K3。K3是一个2.8万亿参数的MoE模型，其权重将于7月27日开放。本文大部分内容是在假设月之暗面信守权重发布日期的前提下，对行业生态现状的反思。这是一种对均衡状态的更极端看法；如果实际情况是中国拥有同样强大但闭源的模型（即K3从未发布），那么许多结论最终会落在一个折中地带。
关键事实在于，无论是开源与闭源模型之间的性能差距，还是美国与中国模型之间的性能差距，都已从备受争议的6-9个月缩短至更短的时间，比如3-5个月。
从发布材料来看，K3显然是一款真正的前沿模型。它将是自DeepSeek R1以来，开源模型最接近前沿水平的一次。DeepSeek R1的情况则有所不同——那是一家中国实验室极其迅速地转向推理模型，并比许多美国公司更快地发布了产品。而Kimi K3则是一家中国实验室在已知领域（数据、算法、架构、工具、环境等）执行规模化策略的范例。
Kimi K3在Vals AI指数中总体排名第二，在Artificial Analysis的智能指数中总体排名第三（仅落后于Claude Fable和GPT-5.6 Sol Max，但价格更低），在前端代码竞技场（Frontend Code Arena）中总体排名第一，此外还有更多令人瞩目的成绩。月之暗面正在以远少于对手的资源，与Anthropic和OpenAI正面交锋。
这显然是有史以来发布的最强开源模型。审视该模型后应当清楚，即便美国前沿闭源模型的对抗性知识蒸馏有所贡献，其程度也至多相对较小。那些追随蒸馏恐慌并得出错误结论——认为中国AI实验室仅靠知识产权盗窃才能产出优秀模型——的AI观察者们，即将迎来觉醒：中国公司在构建模型方面，与领先的美国公司同样极其出色。月之暗面正在解决许多与OpenAI或Anthropic团队相同的问题。我确信未来还会有更多关于蒸馏的讨论和压力，但现有证据已经表明，中国公司能做到的远不止快速跟随。
在我访问中国期间与Kimi核心团队会面时，我清楚地感受到他们拥有令人难以置信的文化——有人称之为“气场”——以及在GPU受限的环境下自由表达这种文化的空间。当模型构建很大程度上是一场规模游戏时，构建优秀模型的能力仍然很大程度上取决于个人的执行力、动力和表达力。在实地拜访之后，这一结果就不那么令人惊讶了。我参观过许多AI公司，但很少有公司能拥有如此立即可感知的文化。
与此同时，中国在AI应用方面的趋势起步晚于美国。因此，尽管所有中国实验室拥有的算力远少于美国同行，但其中更大比例无疑可以用于训练。当我开玩笑说OpenAI的普通研究员可能拥有多少算力——比如几千台H100等效机器——时，Kimi的研究人员都震惊了。构建Kimi模型的组织架构和方法无疑反映了这一点，但若没有大量专有信息，很难厘清这具体意味着什么。
当前顶尖模型性能的格局大致如下：
Anthropic – Claude Fable 5
OpenAI – GPT 5.6 Sol
月之暗面 – Kimi K3（开源权重*）
SpaceXAI – Grok 4.5
智谱（Z.ai） – GLM 5.2（开源权重）
Meta – Muse Spark 1.1
DeepMind – Gemini Flash 3.5
阿里巴巴——Qwen 3.7 Max（3.8 已公布，同样将开放权重，本文撰写时）
看到 DeepMind 以及其他一些美国巨头排名如此靠后，着实令人震惊。从很多方面来看，X AI 团队值得更多赞誉。以下是 Artificial Analysis 提供的可视化摘要：
此次发布及近期其他事件，导致开放模型与封闭模型之间平衡格局的最可能走向发生了重大转变。我将逐一剖析这些事件。
从许多方面来看，这感觉像是一个新时代的开端。一个竞争更加激烈，但同时也更需要协调的时代，因为我们正在全球范围内部署极其强大的技术。
1. 中国重申对开源 AI 的承诺——展现出对近期风险的不同解读
许多人是在相对近期才开始关注中国 AI 领域的，因此他们可能会得出这样的结论：开放模型发布是中国的核心战略。事实上，我认为大多数实验室的核心战略与 Anthropic 或 OpenAI 更为接近——即构建最强大的智能体。多年来，我一直关注并与中国实验室交流，对于他们最初转向开放模型发布的最佳解释是实用性。他们需要开放模型发布以获得采用、关注和反馈（尤其是在高价值的湾区市场）。
长期以来，中国关于开源 AI 作用的政策非常有限，也缺乏所谓的“国家层面战略”。据我所知，此前没有高级领导人公开评论过开源 AI。但本周情况也发生了变化，习近平主席在世界人工智能大会（WAIC）上发表主旨演讲，非常直接地将中国 AI 生态系统的未来承诺于开源和全球扩散。在宣布迄今为止最强开放权重模型的同一周，做出这种维持现状的承诺，是现代 AI 早期历史中的一个清晰标志。
这一讨论出现在中国 AI 行业面临多种潜在发展路径的时期——它们会保持开源吗？它们能在规模化方面跟上美国实验室的步伐吗？中国是否存在一个不断增长的营收市场？围绕这些问题，焦点一直集中在中国对风险的容忍度、各公司的变现能力，以及任何与公司停止公开发布最佳模型密切相关的理由。
通过将习近平主席的承诺与一款非常强大的模型在时间上关联起来，中国实际上已就发布开源权重模型的风险容忍度表明了态度。就目前而言，这可以被解读为对中国体系内对强大网络安全能力（或生物危害）等议题所感知风险的评估。
最简单的解释是，中国政府确实在密切关注模型带来的潜在风险——其技术层面的关注范围很可能超过美国政府的“氛围式监管”——一旦评估出风险就会采取行动。而简单的解释则是，他们目前并不认为前沿模型具有重大风险。
与此同时，中国的经济决策者认为推广 AI 应用是有益的，这样他们就能在日后——在扩大分发规模之后（正如中国近年来在汽车、太阳能、先进制造业及许多领域所做的那样）——从该产业中获利。
在美国 AI 媒体界经历了数月围绕 Claude Mythos 模型的炒作与恐慌之后，这些观点可能显得有些令人震惊。这种惊讶恰恰应该成为良好的现实基础——世界并非一致认同我们在美国最常听到的那些关于 AI 的叙事。
2. 开源模型作为前沿实验室的经济软肋
许多主导 AI 讨论的叙述者都有明显的动机去压低最优秀的开源 AI 模型的感知能力。Dean Ball——他个人支持开源模型，但如今在 OpenAI 工作——曾发表一篇关于 Kimi 的反思文章，其中对开源模型发表了以下看法，该文章引发了广泛评论。理解这一表述很重要，因为它聚焦了开源模型在 AI 建设经济层面的角色。Dean 表示：¹
开放权重模型本质上是减速主义的，而我总是惊讶地看到那些所谓的“加速主义者”对开放权重模型如此热衷。
解释为什么开放权重模型是一种减速主义形式，对于理解即将到来的世界秩序至关重要。他说得对。
从经济角度看，开放模型对前沿实验室来说是减速主义的，这将减缓人工智能领域的净投资和资本支出部署。这是因为强大的开放权重人工智能模型大幅降低了封闭实验室的利润空间。这会产生两种影响。首先，人工智能实验室可用于再投资未来模型的利润减少了。其次，市场认为这些公司的终值更低，因此会削弱它们未来的融资能力。这两者共同作用将延缓最具变革性的人工智能模型的出现时间，但我认为这些影响不足以阻止 OpenAI 和 Anthropic 成为全球估值最高的几家公司。
在我看来，这些对社会总体是有益的。因为开放权重模型降低了获取特定性能水平智能的入门价格，从而加速了人工智能在经济中的扩散。开放模型也鼓励定制化。关键在于，这种扩散本质上比前沿人工智能实验室的产品（即直接供开发者使用的工具）要慢得多。开放模型的潜力在于，几乎每家企业都能利用它们来构建特定领域的智能体。这种经济扩散需要极其漫长的时间！我曾将开放权重模型描述为起步慢得多、但可能具有更大指数级增长潜力的模式。问题是，如果封闭模型在原始能力上领先太多，这种定制能力就可能变得毫无意义。
扩散增强与人工智能实验室权力集中度降低的结合，我认为对人工智能转型非常有利。它给了我们更多时间去解决新能力带来的棘手问题，并让更多利益相关方能够影响事态发展——任何一家公司都极有可能在安全掌控世界上最重要的技术方面出现问题。
当然，在这个世界里，最优秀的模型仍由美国公司打造，这对我而言至关重要，因为这能让美国掌控这项技术的发展轨迹及其价值观。我也预期情况会如此，因为美国拥有更愿意投资人工智能（且利润份额不断增长）的更大资本市场，但这并非板上钉钉之事。
3. 中国的效率优势
Kimi 的发布博客中包含一些技术细节，证实了我们所感受到的、推动模型持续改进的那类优化。试举一例：
Kimi K3 基于 Kimi Delta Attention（KDA）和 Attention Residuals（AttnRes）构建，这两项架构更新旨在改善信息在序列长度和模型深度上的流动。我们还提升了混合专家模型（MoE）的稀疏性，结合 Stable LatentMoE 框架，有效激活了 896 个专家中的 16 个。结合改进的训练方法与数据配方，这些结构性变化使得整体缩放效率相比 Kimi K2 提升了约 2.5 倍，让模型能够更有效地将算力转化为智能。
训练效率的提升确实会不断累积。它们将推动模型实现持续且惊人的进步。
顺便一提，追踪这项特定创新在生态系统中的传播路径是一个有趣的例子。Kimi Delta Attention（KDA）最初在 Kimi Linear 论文中提出，与 Olmo Hybrid（我在 Ai2 时参与的最后一个 Olmo 模型）所使用的 Gated DeltaNet 类似。Qwen 的最新模型已转向相关架构，而最近的 Nemotron 模型也采用了混合架构（但仍更接近 Mamba 而非 Gated DeltaNet）。看到这些由学术界大力推动的新型架构理念如此迅速地应用于前沿规模模型，实在令人振奋。Gated Delta Networks 于 2024 年底提出，其思想源于 Mamba。到 2026 年中，它们已出现在前沿模型之中。
我选择聚焦这个例子，部分原因是 Kimi 团队为模型间的创新给出了一个漂亮的量化数字，但主要还是为了引出关于中国资源效率的更广泛讨论。
越来越清楚的是，中国的人工智能实验室在资本效率上要远高得多。在一个规模定律决定智能水平与有效资本（即用于购买算力、数据和人才的资本）成正比的世界上，这或许是你所在的人工智能行业所能拥有的最大优势。造成这种情况的可能原因有很多，例如中国研究人员的薪酬较低，但在大语言模型研究难题上却更高效，不过我们可能永远无法得知如此具体的原因。
自从我写下关于中国的笔记以来，我听到了更多关于中国新兴数据产业的消息（远不及 Anthropic 数十亿美元的数据预算），以及中国实验室能够获得有意义的训练算力（通过规避出口管制）。中国公司没有同样的推理需求（直到最近，月之暗面不得不暂停其 K3 模型的新订阅服务——而 API 仍在运行），因此它们更多的算力可以用于训练。这些领域严重影响了我们对这些实验室真实能力的判断，但我们对此的衡量手段非常有限。
实际情况是，这些中国实验室筹集的资本比美国人工智能生态系统中任何一部分都要少几个数量级。最直接的比较对象是 OpenAI 和 Anthropic，它们的公开模型略胜一筹。其他公司，如 Google 和 Meta，拥有商业史上最大的现金流，但在模型构建上却落后了。至于美国的新兴实验室，竞争格局则更为激烈——Thinking Machines 最近发布了他们的首个模型 Inkling，该模型实力不俗，但与 Kimi K3 不在同一级别。
这些资源更充裕的美国公司仍有可能迎头赶上，但你必须认真权衡我们已有的关于模型质量的公开评测数据，而不能寄希望于侥幸——这种侥幸往往反映的是一种偏见。如果中国实验室确实拥有潜在优势，他们完全可以利用这一优势，打造出比所有竞争对手都更强大的模型！多种结果都是可能的，而K3应该会提升大多数人对以下可能性的判断：凭借更高效的训练方法，中国在不久的将来有可能在AI能力上取得绝对领先——即便这不是你最看好的预测结果。
资本效率高的一个重要原因可能在于策略：美国实验室将大量精力投入到以巨大步伐推动前沿突破上，而中国实验室则更专注于追赶——这种追赶的成本更低。正如在知识蒸馏中，学生模型通常能超越教师模型（不限于中国实验室的对抗性蒸馏）一样，“努力追赶”而非“开创下一个范式”的策略，反而可能催生更强大的模型。
4. 前沿开源模型生态的蓬勃发展
在Kimi K3发布后的那个周末，就在我撰写本文并广泛讨论这些事件时，阿里巴巴宣布，一个拥有2.4万亿参数的Qwen 3.8模型即将以开放权重形式发布。从历史上看，阿里巴巴一直通过其云业务将其最大模型仅以API形式提供，因此，这又是一次重大的氛围转变，为开源模型经济开启了新篇章。即使该模型在基准测试上落后于Kimi K3，这也表明中国公司可能不仅是在维持其开源模型战略的现状，而是在进一步加大投入。
如果这个Qwen 3.8模型很快发布，比如在下一个Gemini模型之前，它可能会将谷歌推至拥有最智能模型的实验室排行榜上的第八位——而中国在这个榜单上的排名一直在上升。还有传言称，更多强大的中国模型即将问世，预计DeepSeek V4将结束其“预览”版本阶段。
5. 前沿开放权重政策漫长故事的序幕
我认为，如果今天 Claude Mythos 以开放权重模型的形式发布，其负面后果将相对较小。这是一个有些难以坚持的观点，因为我们拥有的公开网络安全评估非常有限，而且这是一个复杂的生态系统（同时我也信任 Anthropic 的许多人）。我仍然坚持这一看法。风险被过度夸大了。
问题在于，对于最强大的 AI 模型而言，情况不会一直如此。更强大的模型即将到来——随之而来的是更大的风险——因此，让最优秀的模型以受控、封闭的方式，比同类开放权重模型提前几个月被访问，是一种极其安全的平衡状态。
用户可控性极强的开放权重模型总会不断涌现——你无法有效禁止数字产品，尤其是来自恶意行为者的——因为 AI 训练已被证明是全球可及的，其持续时间比许多分析师的预期更长。
尽管如此，在我撰写本文时，美国政府仍在酝酿更多旨在限制美国境内开放权重模型的措施。最新消息来自 Axios：
幕后情况：一位接近政府的人士告诉 Axios，美国商务部去年曾考虑将多家中国 AI 实验室列入其“实体清单”，此举将有效切断美国在未获许可情况下对其的访问。
该消息人士称，美国国家安全局和白宫国家网络总监办公室去年也曾考虑就中国 AI 实验室的威胁发布一份建议，实际上是在劝阻美国公司使用他们的技术。
该消息人士补充说，白宫曾考虑发布一项行政命令，规定美国公司只有在能够保证安全并在发生安全漏洞时承担责任的情况下，才能托管中国模型。
另一位接近政府的人士表示，美国商务部去年夏天还在政府内部传阅了规则草案，旨在利用其权力保障国内供应链安全，以针对中国的开源模型。
这将使美国处于一种非常不对称的状态：美国最先进的模型在网络安全任务上设有防护栏，但全球行为者却可以利用中国优秀的开源权重模型来探测我们的防御体系。这只是众多例子之一，说明禁止开源权重模型不仅损害了人工智能的自由市场，而且短期内还会降低生态系统的安全性。还有其他非常糟糕的后果，例如减缓人工智能应用和人工智能研究的普及，正如我上文所讨论的。
这些平衡状态非常难以维持，尤其是在人工智能工具加速模型进步的情况下，但在开放与封闭之间维持这种现状至关重要。拥有一个在能力上真正独步前沿的模型——就像 Mythos 刚发布时那样——同时又是开源权重的，这在我们进入未知的能力领域时会带来严重风险。模型的发展速度将非常快，而衡量其全部能力也变得越来越困难。
于是我们陷入了一个试图在开源模型问题上走钢丝的世界。不希望如此强大的东西瞬间在全球扩散是合理的，但与此同时，模型制造者有动力夸大其能力，而他们的竞争对手则有动力夸大其风险。这一切都归结于谨慎的衡量以及主动加固社会以应对风险向量。
这场政策辩论、模型发布以及激烈反应的疾驰列车，从今天起只会继续加速。自去年 12 月 Claude Opus 4.5 发布以来，我们便踏上了一条快速进步的列车，所有关于人工智能应如何发展的关键理念都在其中经受检验，而那次发布也让我们走上了智能体路径。在此做出正确决策的关键在于评估能力，且这种能力应独立于那些拥有最大财务利益的公司。因此，在我们进入人工智能治理的 AGI 时代之际，所需的众多行动之一，便是采取类似“曲速行动”的方式来快速构建国家能力（以及其他独立行动者），使其能够准确评估模型并研究新兴风险。
结论：警钟已敲响。
开放权重模型通过加速能力扩散，极大地放大了人工智能的积极影响和潜在风险。目前，前沿语言模型的负面效应在很大程度上仍停留在假设层面，但这种状况不会永远持续下去。
让开放权重模型略微落后于封闭前沿，是我们缓解风险的天然缓冲。关键在于，我们必须集体行动，在潜在危害出现时加以应对，而无论开放权重模型落后3个月、6个月还是9个月，这个时间窗口依然非常短暂。如果我们对开放权重模型采取严厉监管，恐怕世界大部分地区会误以为我们不再需要采取行动。我们所能做的不过是略微推迟不可避免之事——开放模型终将跨越所有关键能力门槛，无论其合法性如何。
理解并受益于这种开放与封闭的博弈，需要人工智能社区在未来数年内，联合所有权力与影响力领域的各方力量共同行动。
Kimi K3 是一个分水岭时刻，因为前沿开放权重模型如今已成为现实。关于开放权重模型风险真正落地的诸多假设将受到检验——我猜测其范围会比许多人预期的更窄，而人工智能的许多风险仍将通过封闭且“更安全”的 API 扩散。随着人工智能加速融入我们的经济体系，对这些风险的评估也将与时俱进。我们无法只取其一而舍其二，两者将始终并存。
正因如此，2025年成为开放模型开始被更认真对待的一年——尤其是当中国凭借如此明显的领先优势实现跨越时——人们意识到这不会是一个由美国封闭人工智能实验室单独决定轨迹的单极世界。而2026年，则是此前讨论过的、因真正前沿的开放权重模型而带来的潜在风险与加速效应真正落地的年份。
大部分回应针对的是第四点，该点将开放模型的必然结果比作人工智能共产主义，我认为这偏离了重点。具体而言，不加解释地使用“共产主义”一词引发了大量反弹。