Moonshot AI 開源 2.8 兆參數 Kimi K3，挑戰競爭對手

Moonshot AI 決定開源一個擁有 2.8 兆參數、且在關鍵基準測試上能媲美專有對手的模型，這標誌著人工智慧經濟學的轉折點。

Moonshot AI 於 7 月 27 日發布了 Kimi K3 的完整模型權重，讓開發者免費使用一個擁有 2.8 兆參數的系統，該系統在瀏覽與程式編寫基準測試上，以極低的成本媲美 Anthropic 的 Claude Fable 5 與 OpenAI 的 GPT-5.6 Sol。這家總部位於北京的公司同時也開源了支撐該模型訓練與推理的基礎設施技術——MoonEP、FlashKDA 與 AgentEnv。

Moonshot AI 在一份聲明中表示：「Kimi K3 是我們最強大的模型。」該模型採用專家混合（MoE）架構，擁有 896 個專家，每次推理時啟動 16 個專家以維持運算效率。在評估真實世界研究與瀏覽能力的 BrowseComp 基準測試中，K3 得分為 91.2，而 Claude Fable 5 為 88.0，GPT-5.6 Sol 為 90.4。成本差異更為顯著：一次單一編程任務的費用，K3 為 4.65 美元，而 Claude Fable 5 則為 13.41 美元，相當於每美元可解決的任務數量高出 2.8 倍。若進行完整的 452 次批次測試，總成本為 2,103 美元，相比之下對手為 6,010 美元。

前線級模型的開源化，威脅了專有領導者們的定價能力。中國的 AI 模型目前約占美國公司在 API 交易平台 OpenRouter 上 Token 使用量的 60%。Nvidia 首席執行官黃仁勳表示，美國公司「絕對應該被允許使用中國模型」，考慮到 Nvidia 作為 AI 工作負載主要硬體供應商的角色，此番言論極具分量。

Agent Swarm 架構驅動並行執行

Kimi K3 繼承了 Kimi K2.5 引入的「Agent Swarm」框架，該框架以並行任務委派取代了順序的工具調用執行。根據 Moonshot AI 的技術論文，該系統每個任務可部署多達 300 個子代理，管理超過 4,000 次工具調用，運行速度比單一代理的順序執行快 4.5 倍。這種架構將任務完成時間從取決於順序步驟的函數，轉變為取決於並行處理能力的函數——對於需要同時進行研究、設計與開發的複雜軟體工程項目而言，這是一項結構性優勢。

該模型還透過預訓練期間整合的三維視覺編碼器，實現了原生視覺理解能力，這是大多數開放權重競爭對手所缺乏的。DeepSeek 目前的開源產品仍以文本為中心，而 K3 的視覺能力則能實現視覺轉程式碼生成，以及需要解讀螢幕截圖與佈局的真實世界軟體工程任務。該模型採用了 Kimi Delta Attention，這是一種混合線性注意力機制，在百萬 Token 級別的上下文環境中可提供 6.3 倍的解碼加速，並支援 100 萬 Token 的上下文窗口。

企業採用與開放權重的取捨計算

美國公司已開始將 Kimi 模型整合至生產環境中。DoorDash 已採用 Kimi 處理較低層級的內部任務，同時保留 Anthropic 的模型用於更高層級的功能。Coinbase 確認了內部使用。由 SpaceX 收購的程式編寫初創公司 Cursor，其產品也建立在 Kimi 的基礎之上。這些採用數據表明，對成本敏感的企業正將開放權重模型視為美國實驗室按 Token 計價模式的一種可行替代方案。

競爭壓力不僅來自 Moonshot AI。Thinking Machines 上週發布了一款名為 Inkling 的開放權重模型，而阿里巴巴的 Qwen 團隊也已透露即將推出 Qwen 3.8。功能強大的開放權重模型大量湧現，正壓縮 OpenAI 與 Anthropic 的定價能力，兩家公司近期的發布在基準測試上僅顯示出漸進式的改進。

結構性經濟學傾向於開放式分發。按推理次數計價會產生隨使用量規模增長的可變成本，從而抑制高用量或低利潤率的應用場景。開放權重消除了這一障礙：分發的邊際成本為零，修改無需外部許可，且部署可在本地硬體或氣隙網路上進行，無需按 Token 計費。Box 首席執行官 Aaron Levie 認為，Token 成本下降將推動推理需求上升，而非縮減 AI 支出，這將使基礎設施供應商受益。對投資者而言，問題在於，隨著開放權重替代方案縮小性能差距，專有模型供應商能否維持溢價定價。而作為任何推理計算需求增長的直接受益者，無論哪種模型架構最終勝出，Nvidia 都將從中獲利。

本文僅供資訊參考，不構成投資建議。