2026 年 7 月 27 日，月之暗面把 Kimi K3 的完整权重传上 Hugging Face，2.8 万亿参数，成为迄今规模最大的开放权重模型，距 7 月 16 日 API 首发正好 11 天。
文章作者、来源：0x9999in1，ME News
TL;DR
- 2026 年 7 月 27 日，月之暗面把 Kimi K3 的完整权重传上 Hugging Face，2.8 万亿参数，成为迄今规模最大的开放权重模型，距 7 月 16 日 API 首发正好 11 天。
- 海外社区评价高但不一边倒：夸的人叫它「怪兽」，界面生成、代码架构、深度研究是好评最集中的几项；也有人说它还没超过 Fable 5，但追得很近。第三方 Artificial Analysis 把它排到全球第三。
- 最大的槽点是「太大」：原生 MXFP4 量化后约 1.4TB，官方建议 64 张以上加速器组超节点，普通人根本跑不动。
- 第二个槽点是「太费 token」：默认全开推理，复杂任务消耗极快，有人一天半用光每周额度。
- 社区仍在吵它算不算真开源：训练数据没公开，许可证有营收线上的附加条款，更准确的说法是「开放权重」。
- 但真正的重点不在名字。权重一旦上网，就再也收不回去了——这才是 K3 最狠的地方。
一台谁都开不走的怪兽
先说结论。Kimi K3 是好东西，这点争议不大。
海外社区吵得热闹，但底色是认可。有人直接叫它「怪兽」，说它已经摸到了顶级闭源模型的门槛。好评最集中的地方很具体：界面生成、代码架构、深度研究。这三样，恰好是开发者每天真金白银在用的。
也有冷静的声音。有人说，它还没超过 Anthropic 的 Fable 5。这话不假。连月之暗面自己的发布材料都承认，K3 的整体性能仍落后于 Fable 5 和 GPT-5.6 Sol，用户体验也存在差距。第三方独立机构 Artificial Analysis 给出的智能指数是 57 分，全球第三，与 Claude Opus 4.8、GPT-5.5 同档。
但你换个角度看这个「第三」。
它把其他开源模型甩开了多少？GLM-5.2 是 51 分，DeepSeek V4 Pro 是 44 分。K3 在开源阵营里不是领先半个身位，是领先了一整个身段。前端编码那一战更出圈：在 Arena 采用人类盲测投票的 Frontend Code Arena 上，K3 上线当日拿到 1679 分登顶，相比上一代 K2.6 的第 18 名，直接跳了 17 位。
所以「追得很近」这个描述，本身就是重磅新闻。一个能下载、能改、能自己部署的模型，追到了闭源第一梯队的屁股后面。这在一年前，是没人敢想的画面。
那问题来了：既然这么强，为什么社区没有一边倒地欢呼？
因为绝大多数人，连让它跑起来的机会都没有。
摆在橱窗里的 F1
Reddit 上有个比喻传得很广——K3 像一台摆在橱窗里的 F1 赛车。性能确实炸裂，但普通人根本开不回家。
这话扎心，却是实话。
K3 是 2.8 万亿总参数、1040 亿激活参数的 MoE 巨兽，896 个专家里每个 token 激活 16 个。它天生就是 MXFP4 原生 4-bit 量化训练出来的，也就是说，别的开源模型发布后靠量化「减肥」的那 4 倍空间，K3 在出厂前就已经花掉了。
这意味着什么？意味着你别指望社区再给它砍一刀。按半个字节一个参数算，2.8 万亿参数光权重就约 1.4TB，还没算 100 万上下文窗口的 KV 缓存。就算真有人搞出 2-bit 的极限量化版，也还在 700GB 以上——质量还没人敢打包票。
一台 512GB 的 Mac Studio？够不着。一台塞满 GPU 的工作站?差得远。月之暗面自己给的部署建议是：64 张以上加速器组成的高带宽超节点。
有意思的是，社区里真有人较劲。已经有开发者把大量 RTX 5090 连成集群，硬是把完整的 K3 跑了起来。它没用 H100、H200 那种天价数据中心卡，听着像是「平民路线」。但你算算 80 张 5090 是什么概念，这套设备依然不是任何一个普通玩家负担得起的东西。
Ollama 上倒是有个 K3 的页面，看着像本地支持来了。别高兴太早——那是个云端接口，请求会发到 Ollama 的服务器，还要订阅付费、消耗额度。Hugging Face 上也有社区转的 GGUF 文件，但 llama.cpp 根本加载不了这套架构，那些文件下载下来谁都打不开。别为它浪费一个周末的带宽。
所以「开源」这两个字，对 99% 的个人开发者来说，此刻更像是一张看得见摸不着的门票。
又强又贵：token 是怎么烧掉的
就算你搞定了硬件，还有第二道坎——它太费 token。
多位实测者反馈，做同一个复杂任务，K3 比 Fable 消耗更多 token。因为它默认全开 max reasoning 推理模式，思考时间长，喜欢把链路拉得很深。深度推理是它的强项，也是它的油耗。有人一天半就用光了每周的额度，然后开始在社区喊话：榜单别光比得分了，也该算算完成同一件事要烧多少 token。
这个呼吁其实很到位。
我们来把账摊开看。K3 的官方 API 定价是每百万 token 输入 3 美元、输出 15 美元，缓存输入 0.3 美元。作为对照，Claude Fable 5 是 10 美元和 50 美元。单看单价，K3 便宜得多。《金融时报》的说法是 K3 运行成本约为 Opus 4.8 的三分之一，Axios 给的口径是便宜约 40%。
但单价便宜,不等于总账便宜。当一个模型每次都要多想几倍、多吐几倍 token，那 15 美元的输出单价乘上去，实际一单的钱未必比看起来省。这就是为什么社区开始呼吁「按任务算总成本」——单 token 的价格战，掩盖不了 token 消耗量这个变量。
自托管也不是省钱按钮。K3 的 Kimi Delta Attention 打破了常规的前缀缓存，月之暗面专门给 vLLM 项目贡献了自研缓存实现才让它跑顺。技术报告里还藏着一个坑：K3 是以「保留思维历史」模式训练的，你的框架必须把完整的前序推理内容和工具调用一起回传，中途丢弃、或者从别的模型切过来，输出就会飘。
一句话，这是一个「Hugging Face + 集群 + 法务」的三重工程，不是一个下载即用的 App。
它到底算不算「开源」
聊到这，绕不开那场最较真的争论：K3 算不算真正的开源？
批评者的理由很硬。K3 没公开训练数据，也没给出完整训练代码，你拿到的是权重、许可证和一份技术报告。而且随权重一起来的那份 Kimi K3 License，不是标准的 MIT，是一份定制协议。
这份协议才是今天最被低估的信息。
它主体部分看着和 MIT 差不多：随便用、随便改、随便分发、随便商用。但营收线以上加了两道闸门。据 Unite.AI 逐条解读、开放模型研究者 Nathan Lambert 也公开印证：其一，你要是把 K3 做成推理或微调服务卖给第三方，且你和关联方连续 12 个月收入超过 2000 万美元，就得跟月之暗面另签协议；其二,月活过亿或月收入超 2000 万美元的商业产品，得在界面显眼处标注「Kimi K3」。纯内部使用，零义务。
看懂了吗？这不是按用户规模切，是按商业模式切。一个在自己机器上微调 K3 的团队，什么都不用管；一个大规模转售 K3 推理的云厂商，得先拿合同。这是中国头部模型公司第一次在开源许可里，把「云厂商搭便车」写成了明码标价的条款。
所以严格讲，英文技术社区划得很清楚：K3 是 open-weight（开放权重），不是 open-source（开源）。中文报道里两个词混用，会直接拖累可信度。
那支持者认这个茬吗？
不太认。他们的逻辑很朴素：能下载、能修改、能自己部署，已经比只能调闭源 API 多了太多自由。对金融、医疗、政企这类数据不能出内网的客户，这几个自由几乎是不可拒绝的。名字叫「开放权重」还是「开源」，不影响他们把数据留在自己机房里这件事。
这场争论谁也说服不了谁。但吵到最后你会发现，名字之争其实是个烟雾弹。真正改变力量对比的，是另一件事。
权重一旦上网，就永远在网上了
这才是 K3 开源最狠、也最容易被忽略的地方。
闭源模型会按厂商的时间表下线，你的工作流跟着一起陪葬。而公开的权重收不回去。就在同一周，据报道，联邦官员曾在亚马逊提出安全担忧后，要求 Anthropic 把最新的 Claude 模型全球下架两周有余。一边是美国监管对本土实验室的空前强度，一边是任何人只要有台服务器就能下载运行 K3，全程不经过任何美国云。
这构成了 2026 年 AI 治理最尴尬的一组对照。
数据更能说明问题。据 byteiota 引述 OpenRouter 的数据，中国开源模型目前已占该多模型 API 网关路由 token 用量的 46.4%，美国模型为 35.7%。这个数字，就是「封禁在技术上还来不来得及」这个问题的量化答案。
华盛顿那边的反应也印证了这一点。白宫科技政策办公室主任公开指控 K3 蒸馏了 Anthropic 的技术，财政部长放话要调查、要制裁。可就在同时，英伟达、微软、Meta 等一批公司联署了公开信《Open Weights and American AI Leadership》，反对全面封杀开源模型——而 OpenAI、Anthropic、Google 三家，恰恰不在首批签署名单上。连指控 K3 蒸馏的那位前白宫顾问 Dean Ball 都承认，K3「是个非常好的模型」，性能没法只用蒸馏来解释。
一个模型强不强，第三方跑一跑就知道。但一个开放权重被下载了多少次、装进了多少台机器，谁也数不清、更收不回。这就是 K3 真正的杠杆。它可能不是地表最强，但它是那个「谁都拦不住」的存在。
该怎么看这场开源
绕了一大圈,回到最开始的问题：Kimi K3 的开源，到底该怎么看？
我的判断是三句话。
它是一次诚实的顶级发布。月之暗面自己承认落后于 Fable 5，第三方给到全球第三,前端登顶是实打实的盲测投票。夸它的人没夸错，泼冷水的人也没说谎——它就是「追得很近但还没超过」的那个状态，这已经足够炸裂。
它的门槛是真的高。1.4TB 权重、64 张加速器、费 token、要法务，橱窗里的 F1 这个比喻不刻薄，是精准。别被「开源免费」四个字骗了，能真正吃到红利的，短期内是有集群、有工程能力的机构，不是你我的游戏本。
而它最深远的影响，不在跑分，在那条收不回的权重。当接近前沿的能力可以被任何人下载、部署、蒸馏成小模型，闭源订阅的溢价逻辑就被撕开了一道口子。「先试开源，不够再补闭源」，正在悄悄变成开发者的默认选项。
至于它算不算「真开源」——说真的，那台已经在无数硬盘里躺着的 2.8 万亿参数模型，根本不在乎你怎么叫它。
橱窗里的 F1 开不回家，但它证明了一件事：这辆车，中国人自己造得出来，还愿意把图纸的大半贴在墙上。剩下的争论，都是后话了。
引用来源
- 硅基见闻《Kimi K3 正式开源！2.8 万亿参数砸向全球》，新浪财经转载，2026 年 7 月 28 日
- Moonshot AI 官方 Kimi K3 模型卡与技术报告，Hugging Face / GitHub，2026 年 7 月 27 日
- ModemGuides《Can You Run Kimi K3 Locally? The Honest Math Now That the Weights Are Out》，2026 年 7 月更新
- Unite.AI《Moonshot Opens Kimi K3 Weights Under a Revenue-Tiered License》
- Artificial Analysis, Intelligence Index 与 Frontend Code Arena 评测数据，2026 年 7 月
- AI 工具宝箱《Kimi K3 开源权重发布：开源大模型四强横评》，2026 年 7 月 19 日
- The Week（转引《金融时报》《CNN》）、Axios 关于 K3 运行成本的报道，2026 年 7 月
- byteiota 引述 OpenRouter 路由用量数据，2026 年 7 月