中國大模型，拿回定價權。
7月16日晚9點，距離WAIC（世界人工智慧大會）開幕不到24小時，月之暗面（Kimi）突然“空降”發佈Kimi K3，搶走了最大的焦點。
Kimi K3最具顛覆性的標籤，是其2.8兆的參數規模。作為全球首款兆級開源大模型，K3支援100萬Token上下文窗口，在多項主流測評中得分超過了GPT-5.6、Fable 5。不少AI一線從業者評論：在全模態、長上下文、複雜的任務場景裡，Kimi K3在國內斷層式領先。
與之配套的定價策略同樣引發熱議。Kimi K3未快取輸入20元/百萬Token、輸出100元/百萬Token，位列國產模型最貴一檔——比DeepSeek V4 Pro貴20倍；是海外模型Fable 5價格的30%、GPT-5.6 Sol的60%。
高盛在研報中給出定性：“這標誌著中國模型走向定價權的全新節點。”
“Impressive（令人印象深刻）。”馬斯克在X上為K3點贊。隨後，他在預熱Grok 4.5時喊話：“有望超過Kimi。”對此，月之暗面聯合企業業務負責人黃震昕7月21日對《中國企業家》在內的媒體坦然回應：“拭目以待，希望他們跟我們掰一掰手腕。”
K3帶來的影響，劇烈地攪動著資本市場。7月17日，輝達、Google、Meta、英特爾四家科技巨頭股價走低。美國媒體報導稱，並非單一因素導致，但K3毫無疑問是一味關鍵的催化劑。
港股方面，K3發佈第二天，智譜單日下跌28.49%，MiniMax下跌15.62%；華創證券研報指出，當日港股指數低迷，但K3發佈仍是智譜和MiniMax股價調整的重要原因。
來源：AI生成
K3在海外引起的震動，也讓楊植麟被推向輿論中心。他在清華申請特等獎學金的答辯視訊、在卡內基梅隆大學（CMU）讀博士期間的論文先後刷屏。一位矽谷風投合夥人在X上發出質問，熱度高達千萬：為什麼這樣的人才，畢業後沒有留在美國？這也引發了楊植麟在CMU讀博時的導師、蘋果首任AI總監Russ Salakhutdinov“下場”維護愛徒。
近日，《中國企業家》獨家聯絡到了Russ教授，他表示：楊植麟表現卓越，在不到4年的時間裡就完成了博士學位，在CMU極其罕見。“植麟是CMU最頂尖的學生之一，既能思考研究問題，又具備很強的技術能力，還能做底層程式設計——通常這些能力是分開的，很少見到這樣能力融合的學生。”
Russ稱，楊植麟在博士期間的研究工作非常傑出，做了大量基礎性的機器學習工作，其XLNet（一種廣義自回歸預訓練模型）、Transformer-XL（一種超長上下文語言模型）方向的論文，已成為AI模型的理論基礎之一。
楊植麟畢業時，許多公司向他拋去橄欖枝。Russ回憶，他可以輕鬆留在美國去MIT、普林斯頓任教，但第一時間便堅持回國創業。“對植麟這樣水準的人來說，典型的道路是走學術生涯，創業是高風險的事，但他在商業和研究能力上都十分出色。”
雖然Kimi K3的實力得到了行業認可，但昂貴的呼叫價格也掀起了不小爭議。
“貴的原因在於Token消耗高，Agent長任務的結構性成本高。”AI系統研發工程師李佳龍說。AI英語訓練產品公司TalkMe創始人賈子健向《中國企業家》舉例：“粗略估算，部署DeepSeek V4 Pro，約需要8張H100或者A100顯示卡，用同樣的邏輯來運行K3則需要20張H100。”
對此，黃震昕回應：“開源模型、中國大模型不該被貼上低價標籤，我們做出了SOTA級模型，也該匹配合理的商業定價。”
龐大的參數，也拖慢了K3的運行和交付速度。李佳龍表示：K3處理複雜任務時，一個完整的程式設計任務可能會耗時超過30分鐘。賈子健也有類似感受：“作為C端產品，使用者等不了那麼久，我們需要兼顧能力和速度。”
算力壓力下，K3不得不抑制需求。發佈不到48小時，Kimi便宣佈K3訂閱“暫時對新使用者關閉”。但在Russ看來，這只是一個短暫的過渡期。他相信楊植麟未來會尋找更優架構、計算技術來解決這個問題。
他表示，楊植麟曾提到過，想研究“無限上下文”（infinite context）模型。“現在Kimi上下文長度大概在100萬量級，未來也許他會讓模型擁有真正無限長的上下文。”
Kimi K3的發佈，也直接推升了月暗在資本市場的價值。7月22日，媒體報導：月暗計畫於8月啟動上市前最後一輪融資，目標投前估值高達500億美元（約合3380億元人民幣），最快6個月內登陸港股。
01
為長程複雜任務而生
K3發佈主要提升了那些能力？大模型應用開發工程師彭明亮將其概括為：最大的體驗在於把對話式AI進一步推向項目式AI。Russ則盛讚：基本與Anthropic、OpenAI的模型處於同一水平。特別是模型開源，將深刻改變整個AI格局，“這讓K3極具獨特性，極具價值”。
工程師李佳龍通過測試發現，K3前端比GPT-5.6 Sol強10%~15%，“返工率更低，審美更高”。在實際的Web開發場景中，Kimi K3生成程式碼的一次通過率高於OpenAI的對應模型，這意味著Kimi K3的Coding能力大幅提升。“K3堆參數量的路徑確實跑通了。”
多模態方面，Kimi K3取得了極大提升，其在BrowseComp基準測試以91.2%的成績拿下SOTA，不僅能理解跨模態複雜指令，更將文字、圖像、程式碼整合為可交付的前端產品。賈子健形容：“K3將國產大模型前端能力拉到了很高的水平，生成的網頁幾乎可以直接上線，視覺完成度遠超其他模型。”
在使用體驗中，彭明亮總結了K3提升的三個具體能力：任務持續性更強，百萬Token的上下文窗口足以裝下整個程式碼庫，模型可以在一次會話中，完成跨檔案的工程級修改；前端和視覺交付能力突出；平行Agent子叢集能力大幅提升。
這三個維度也對應了楊植麟曾公開提到的Kimi的三個發力點：Token效率、長上下文、Agent叢集。
技術層面上，K3此次的兩大核心支撐來自於自創的KDA混合線性注意力機制（Kimi Delta Attention），以及注意力殘差架構（Attention Residuals）。簡單來說，Kimi可以在任務的關鍵節點採用全注意力計算以保證精度，在非關鍵路徑上切換為線性注意力以降低推理成本。Kimi官方資料顯示，其百萬上下文解碼最高快了6.3倍，訓練效率提升約25%、額外成本不到2%。
基於此，K3本質上服務於三類場景——長程程式設計、端到端知識工作和深度推理。
從2025年7月發佈K2到一年後上線K3，Kimi已迭代6次。其中4次關鍵技術迭代中，K2解決了“大”的問題，K2.5解決了“多模態”的問題，K2.6和K2.7 Code解決了“程式設計特化”的問題——K3則將所有這些能力整合到一個足夠長、足夠複雜的任務連續體中。
每一次版本升級時，Kimi始終都在回答一個問題：模型能否在更長的任務鏈條中維持穩定的推理能力。
黃震昕對K3的技術路線做了明確界定：“K3的性能躍升來自於底層原創架構創新，並非蒸餾小模型。”同時，他也強調，Kimi堅持的開源路線不會改變：“核心底層技術和論文均對外公開。”
Kimi K3發佈後，OpenAI未來戰略主管迪恩·鮑爾在X上發表言論，稱開源是“減速主義”，會削弱商業AI公司的投資回報，進而“阻礙整個行業所需的巨額資本投入”。而Russ則力挺“愛徒”的開源策略，認為Kimi開源了不起，且至關重要。
“開放權重、開源永遠是更難的那條路——因為你的競爭對手可以拿走模型，研究它、分析它，用它生成資料，再去訓練他們自己的模型。這是把優勢讓給了競爭對手。”Russ對《中國企業家》說。
但開源給更多使用者打開了方便之門。“當前模型貴，主要因為模型大。但K3開源，很多人會對其做蒸餾最佳化。模型開源後，當使用者資料逐漸填充，很多人會把它蒸餾成更小的模型。”Russ說。
他表示：目前許多實驗室都會先訓練一個大模型，再基於大模型的輸出，訓練小模型——讓小模型儘量追平大模型，同時變得更高效。基於此，他認為後續K3的Token消耗也將大幅降低。
02
“天才”楊植麟，技術與商業的雙重底色
Kimi K3的成功，也讓外界更加好奇楊植麟的天賦根源和成長軌跡。
“Brilliant，hardworking，humble。”《中國企業家》在採訪Russ時，他對“用三個詞來形容楊植麟”思索良久，表示很難用隻言片語概括，最終他給出了上述形容——才華橫溢，極其勤奮，謙遜。
楊植麟本碩畢業於清華，後在CMU電腦學院的LTI（語言技術研究所）系讀博。作為卡內基梅隆大學機器學習系的資深教授，Russ帶過數十名博士生，其中不乏後來在Google Brain、OpenAI和DeepMind擔任核心角色的人物。但楊植麟給他留下的印象仍然極不尋常。
“他非常有技術追求，有自己的想法，自主性、執行力非常強。植麟的研究基本上是他自己提出想法，和我討論後便迅速落實推進。”Russ提到，讀博期間，楊植麟一直對自然語言處理（NLP）充滿熱情，熱衷於思考如何建構具有泛化能力、擅長理解語言、生成語言的系統和模型。
“他有很大的抱負，總是去做那些最艱難的事情。”
Russ透露，楊植麟讀博期間曾在Google Brain（Google大腦）實習，“他做的工作基本上都是在最佳化TPU（Google為機器學習定製的專用AI晶片）”，這是極少數博士生能參與的底層系統工作。
做出類似評價的不止一人，智譜創始人唐傑是楊植麟清華本科期間的老師。他們既是師生，如今也是商場上的對手。
“毫無疑問，楊植麟是我這幾年見過最優秀、最有天賦的學生。”楊植麟申請清華特等獎學金的答辯會上，唐傑作為推薦導師如是評價。
在清華求學期間，楊植麟90%的專業課成績在95分以上，所有程式設計類課程均為滿分，年級排名第一。大二上學期，他加入唐傑的實驗室，很快成為實驗室核心，提出了一系列最佳化演算法，使計算性能提升了數十倍，被騰訊、新浪、華為等多家公司採用。
大三，楊植麟基於巨量資料的癌症預測，入選史丹佛大學的本科生訪問學者項目。在一次全球癌症預測大賽中，楊植麟提出的基於蛋白質通道的演算法擊敗了來自史丹佛、哥倫比亞等高等研究機構的隊伍。截至2025年7月，楊植麟在Google Scholar的論文引用量已超2萬次。
在被公認為天才的背面，商業能力是楊植麟不為人知的標籤。
“跟史丹佛大學、密歇根大學、麻省理工學院的教授進行討論，楊植麟非常自如。”那時，楊植麟只有20歲，但唐傑認為在與人交流中，他已經展現出了極強能力。楊植麟也並非“書呆子”，他在清華便組建了樂隊，擔任鼓手和主要的詞曲作者，在學校裡擁有大量粉絲。
“他的獨特之處在於非常懂技術，是出色的研究者，同時也是優秀的商人，你很難找到一個同時具備這些特質的人。”Russ說。從CMU畢業時，楊植麟向Russ提出了回國願望。“我想創業，如果我連試都不試一下，我會後悔的。”
在矽谷的圈子裡，Russ見過太多技術天才在商場上摺戟，也見過太多CEO對技術一無所知，“而植麟能把技術和商業兩者完美結合在一起”。
技術領軍能力與商業節奏把控，也讓月暗在激烈的人才大戰中，得以保持領先身位。“當CEO是一個非常懂技術的人時，員工會信任他、敬重他。”Russ說。一名月暗前員工曾告訴《中國企業家》，“楊植麟身上有著獨特的號召力，引進人才都是從學校的實驗室裡‘整鍋端’。”
03
國產AI拿回定價權
性能登頂的同時，Kimi K3的定價策略也掀起了巨大討論——其價格約為DeepSeek V4 Pro的20倍、智譜GLM-5.2的5倍、Qwen 3.8的4倍。
“用K3不到兩天，199元套餐的額度消耗殆盡，朋友開了699會員套餐的額度也很快燒光。”一位AI開發工程師說道。
上線48小時後，Kimi承認“使用者對K3的需求逼近當前GPU容量的極限”。為優先保障付費使用者的使用體驗，Kimi緊急重構了會員體系，拆分出兩條獨立付費產品線：一類適用於Kimi Web、App、Work的會員；一類是Kimi Code會員，適用於編碼工作流。
黃震昕在採訪中坦言：Kimi正面臨兩難選擇。放開全部新使用者註冊，會嚴重損害存量付費老使用者使用體驗；優先保障付費客戶，則需臨時限制新使用者註冊。“公司最終寧可暫時放棄新增收入，也要守住付費客戶的使用體驗底線。”
賈子健作為企業端呼叫者認為，“合適模型做合適的事。Kimi是一個需要約20張H100才能跑起來的模型，在長程複雜任務中性價比優越。但不是所有任務都值得支付20倍的溢價。”
而在彭明亮看來，Kimi K3的漲價釋放了新訊號：模型競爭已經從“低價競爭”轉向“能力定價”，而價格在算力有限時，可以承擔流量調節的作用。
“評價成本應比較‘完成一個任務的總成本’，而非只看單價。K3完成複雜程式設計任務所需的輪次更少、返工率更低，綜合成本未必更高。”
業內人士則表示：Kimi K3的漲價，意味著其野心已經投向全球競爭。雖然與國內大模型相比不具性價比優勢，但其價格約為Fable 5的30%、GPT-5.6 Sol的60%，對海外使用者更具競爭力。
商業化層面，黃震昕透露：Kimi對標海外頭部AI企業，暫不提供私有化部署服務，核心發力打磨模型基礎能力，公司現階段收入結構中API業務佔比最高。
提及未來，Russ預判：“Kimi會和其他實驗室一樣，做類似GPT的分層模型體系：一個大模型、一個中模型、一個小模型。如果大眾需要更高的效率，就跑小模型。擁有前沿水平的基礎模型後，做高效化營運是容易的。”
黃震昕則表示：Kimi的參數規模還會持續向上拓展，不會止步於2.8兆。“如果行業沿著當前路徑繼續演進，今天關於價格和Token消耗的所有爭論，都只是一個更大故事的開場。” (中國企業家雜誌)