

> 2.8万亿参数绝不仅是枯燥的数字游戏，更是底层算力调度的暴力美学。Kimi K3通过极端的MoE架构切分，在大幅压降推理成本的同时，彻底撕开了大模型领域的开源与闭源路线之争。

模型参数量的军备竞赛从未停止，但这一次，月之暗面将桌子直接掀翻。当行业普遍在千亿参数级别徘徊、试图通过数据清洗来“榨干”小模型潜力时，Kimi K3直接甩出了一个令人窒息的数字——2.8万亿参数，并且采用开源策略。这不仅是对现存闭源巨头的一次背刺，更是底层架构层面的一次极限测试。

## 拆解MoE架构 算力分配的精密手术刀

要理解2.8万亿参数的恐怖之处，必须先扒开MoE（混合专家模型）的外衣。传统Dense（稠密）模型在处理任何指令时，整个神经网络的所有神经元都会被唤醒。这就好比你为了问路，强行把全城两百万人全部叫醒一样，其算力浪费是极其巨大的。
![12.jpg](https://static.downly.cn/images/7c24f9530d78aa4ea263dd9e6501bfc6.jpg)
<center>图源备注 图片由AI生成</center>

核心突破　Kimi K3的稀疏激活机制。在K3的架构设计中，2.8万亿参数被切割成了数千个细分的“专家网络”。当用户输入一个关于量子力学或者法律合同的指令时，模型前端的“路由器（Router）”会像顶尖的接线员一样，瞬间评估出最适合处理该问题的几个专家网络，并仅唤醒它们。这意味着，尽管它拥有2.8万亿的庞大身躯，但在单次推理时消耗的算力可能仅相当于一个千亿级模型。

这种设计极其考验基础设施的调度能力。在显存墙和通信墙高筑的今天，如何在不同的GPU节点之间以微秒级延迟传递这些“专家”的数据包，是真正的技术深水区。月之暗面此次公开的技术报告，显然在分布式训练框架和通信带宽优化上交出了令开发者眼馋的答卷。

## 重塑开发者生态 算力下放的涟漪效应

大模型的开源与否，本质上是对开发者注意力的争夺。闭源模型通过API收租，而开源模型则是通过降低门槛来构建生态壁垒。Kimi K3的出现，直接切中了当前企业级市场的痛点。

![13.jpg](https://static.downly.cn/images/5743492c30fb5bd72464ea9ea8c888d2.jpg)
<center>图源备注 图片由AI生成</center>

关键影响　本地化部署的质变。过去，企业若想获得GPT-4级别的数据分析或文本推理能力，必须将核心机密数据上传至云端，这对金融、医疗等强监管行业而言是不可接受的。K3的开源，意味着只要企业拥有中等规模的算力集群，就能在内网跑起一个具有极高智商底线的超级大脑。

此外，由于MoE架构的特性，开发者在进行微调（Fine-tuning）时不再需要牵一发而动全身。他们可以针对性地“喂养”特定领域的专家网络，这极大地降低了行业垂直大模型的训练成本。

务实的未来预测　K3的发布不会立刻摧毁闭源巨头的商业模式，但它设定了一条极具破坏性的“基准线”。随着开源社区对其架构的进一步剪枝和量化优化，未来六个月内，我们将看到一大批基于K3魔改的专业领域大模型涌现。大模型厂商单纯依靠“参数垄断”收取高额API费用的日子，已经正式进入倒计时。

月之暗面开源2.8万亿参数Kimi K3 打响底层大模型架构反击战



> 凭借新一代模型的强劲表现，月之暗面年度经常性收入迅速突破一亿美元大关。企业端对极简算力的渴求推动千万级预付款涌现，标志着行业正式迈入重度商业化与多智能体协同时代。

## 算力告急与千万级预付

在大模型商业化落地的生死时速中，头部初创企业再次刷新了行业的吸金纪录。最新迭代的模型发布仅一月有余，公司的年度经常性收入已正式跨越一亿美元基准线。这一跃升不仅将其送入全球商业变现第一梯队，更印证了深度思考型网络在企业端B端市场的高昂应用价值。随着性能优势的显现，其云端接口的吞吐配额迅速陷入紧缺状态。为确保核心业务流的稳定运行，众多大型企业客户甚至开出千万美元级别的长期采购承诺，并提供大额预付款以锁定这一关键生产力工具。

![42.png](https://static.downly.cn/images/9d4080db6ff7c06404e88451a7f6172c.png) <center>图源备注 图片由AI生成</center>

## 多智能体集群构筑技术壁垒

爆发式的营收增长建立在长期深耕的智能体架构基础之上。自去年底推出主打逻辑推理的模型以来，研发团队持续推动多模态能力的融合升级。更为关键的是，全新版本打破了单体智能的瓶颈，创新性地引入了多智能体集群工作流。该架构允许成百上千个独立的算法节点如同企业跨部门团队一般进行并行运算与协作，精准拆解并攻克传统单模型无法处理的超高复杂度工程任务，极大地拓宽了数字化工具的业务边界。

## 资本青睐与估值跃迁

超预期的商业化效率使得该公司成为一级市场最受追捧的投资标的。在完成前期多轮巨额融资后，资本市场对其增长曲线给予了极高溢价。当前业界正密切关注其正在推进的新一轮十亿美元级募资计划，若交易顺利落地，其投后估值将逼近两百亿美元大关。从依赖愿景叙事到依靠真实利润表驱动，算力基建的商业规则正在重写。率先跑通模型能力与行业痛点深度契合的厂商，已然握住了通往下一代通用计算平台的入场券。

月之暗面年经常性收入破亿美元 多智能体集群重塑商业变现逻辑



> 月之暗面提出全新注意力残差架构，打破了沿用近十年的传统等权相加模式。该技术在不增加算力消耗的前提下大幅提升模型效能，标志着国产大模型在底层基础理论创新上迈出关键一步。

## 撼动祖传架构 破解深层网络无效运算痛点

同样的算力与数据 凭什么有的模型效果更胜一筹 月之暗面给出了一个直击深度学习底层逻辑的硬核答案。3月16日，Kimi正式发布重磅技术报告《Attention Residuals》。该项研究针对自2015年以来几乎从未被变动过的大模型基石 残差连接 进行了大刀阔斧的彻底重构。

传统的残差连接虽然在历史上成功解决了深层神经网络难以训练的梯度消失问题，但其等权相加的粗暴方式正日益暴露出局限性。随着网络层数不断加深，每一层贡献的新特征极易被庞大的累积历史信息所淹没，导致大量中间层实际上沦为不产生有效增益的无效干活节点。

![42.png](https://static.downly.cn/images/923472cd82042e10a83d0a6610b3eb01.png)

<center>图源备注：图片由AI生成</center>

## 深度维度的优雅旋转 引入查询向量机制

面对这一行业顽疾 Kimi研发团队展现了极高的数学直觉。团队敏锐地发现 深度网络在纵向维度上的信息稀释与传统RNN在时间维度上的遗忘现象 在数学结构上具有高度的一致性。基于此 团队进行了一次堪称优雅的旋转 将原本用于处理文字序列的注意力机制横向转动90度 创造性地应用到了纵向的网络深度维度上。

通过这种全新的注意力残差机制 每一层网络不再是被动地接受叠加信息 而是通过一个轻量级的查询向量 主动且有选择性地决定从前面哪些层提取多少历史信息。为了解决大规模训练中不可避免的内存开销激增问题 团队进一步提出了Block AttnRes分块方案 将庞大的网络划分为若干区块 在确保性能大幅跃升的同时 成功将推理延迟增量死死控制在2%以内。

![43.png](https://static.downly.cn/images/d2776a1c21887db95e717452ed086dd3.png)

<center>图源备注：图片由AI生成</center>

## 突破缩放定律瓶颈 开启深度学习新纪元

严格的实验数据印证了这一底层创新的巨大威力。在保持相同算力消耗的情况下 新方法训练出的模型效果 竟等同于基线模型花费1.25倍算力才能达成的水平。在极具挑战的GPQA-Diamond科学推理任务上 该架构实现了7.5%的惊人飞跃 在数学与代码生成任务上也分别斩获了3.6%和3.1%的显著增益。

![44.png](https://static.downly.cn/images/bf2e84c13e9e282c0fa493ce45f7c810.png)

<center>图源备注：图片由AI生成</center>

这一突破性进展迅速引爆了硅谷AI圈。知名科技巨头与众多业内技术泰斗纷纷在社交媒体上表达赞誉。OpenAI o1模型核心研发成员将其称作深度学习2.0的开端 而前OpenAI联合创始人也感慨行业对注意力机制的潜力挖掘仍大有可为。当前 整个AI行业正逐渐遭遇算力扩张的物理瓶颈 当绝大多数企业还在进行应用层的精装修时 月之暗面选择下沉到最深处 用一记重锤精准敲开了下一代深度学习架构的大门。

月之暗面重构大模型底层基石 算力效率跃升获硅谷极客力挺



> 全球人工智能市场迎来历史性分水岭。最新聚合平台数据显示，中国大模型在全球Token调用量上首次反超美国，以MiniMax与月之暗面为代表的国产力量正凭借技术爆发重塑行业竞争格局。

## 历史性跨越 算力天平首次倾斜
作为衡量全球开发活跃度的核心指标，OpenRouter平台的二月份统计呈现出显著的趋势反转。在二月第二周，中国底层模型的周调用规模成功突破四万亿Token关口，将长期领先的美国模型甩在身后。随后这一领先优势迅速扩大至五万亿Token以上，短期内增幅突破百分之一百二十，而同期海外核心大厂的使用率则步入下行通道。

![Gemini_Generated_Image_4m36f4m36f4m36f4.png](https://static.downly.cn/images/a4b3e3d71c5d664b40988acf1c1fdd5f.png) <center>图源备注：图片由AI生成</center>

## 头部产品霸榜 企业端落地潜能释放
在这场算力竞速中，中国厂商表现出极强的爆发力。发布初期的MiniMax M2.5凭借卓越的编程与信息检索能力问鼎榜首，月之暗面的Kimi K2.5紧随其后。在全球调用量前五的席位中，中国企业强势占据三席，不仅大幅缩小了底层技术差距，更反映出应用市场的繁荣。数据表明，国内企业级市场的日均Token使用量较半年前实现了超两倍的激增，标志着人工智能正在加速向产业深水区渗透。

中国开源大模型首超美国 全球AI调用量格局迎来逆转



> 2026年2月，国产大模型行业迎来转折点。智谱以GLM-5海外首发为契机，率先打破“低价内卷”僵局，通过结构性调价宣告行业正式迈入以技术溢价和商业闭环为核心的价值竞争新阶段。

## 差异化定价策略浮出水面

智谱此次发布的《价格调整函》不仅是单一的涨价通知，更是一次精准的市场分层策略。据《科创板日报》披露的数据显示，本次调价呈现出显著的“内外双轨”特征。在竞争激烈的国内市场，Coding Plan 订阅价格起涨幅度控制在 **30%**，并同步取消了首购优惠，意在筛选高净值用户。

而在付费习惯更为成熟的海外市场，智谱的策略则更为激进。Coding Plan 订阅价上调幅度高达 **30%-60%**，API 调用价格更是直接翻倍，涨幅介于 **67%-100%** 之间。这种“海外高溢价”的打法，打破了国产软件出海长期依赖低价策略的传统印象，显示出中国大模型厂商在技术自信上的质变。值得注意的是，为了保障用户体验平滑过渡，智谱承诺已订阅的老用户原权益保持不变。

![Generated Image February 13, 2026 - 11_02AM (1).png](https://static.downly.cn/images/08db14106ce605aaf40a2a0fa385bd8d.png) <center>图源备注：图片由AI生成</center>

## 算力成本与需求爆发的双重博弈

对于此次调价的深层逻辑，智谱官方将其归结为“需求增长强劲”，但行业分析认为这是供需关系与成本结构双重挤压的必然结果。

**需求侧的压力** 来源于GLM Coding Plan 在开发者社区的渗透率激增，平台长期维持高负载运行。**成本侧的挑战** 则更为严峻，为了支撑如此庞大的并发量并保证服务低延迟，企业在高端算力采购、模型持续迭代以及基础设施扩容上的边际成本急剧上升。此次提价，本质上是一次合理的成本传导，标志着企业不再愿意通过烧钱补贴来换取无效的市场规模。

## 国产模型商业化逻辑重构

财联社分析指出，智谱此举是国产大模型从“卷价格”向“卷价值”转型的风向标。回看2025年至今的市场格局，定价策略已出现明显分化：

*   **价值导向派** 如月之暗面、MiniMax、阶跃星辰等，均已开始尝试通过提升单价来验证商业模式。
*   **规模导向派** 如百川智能、零一万物以及互联网大厂（阿里、字节、腾讯），目前仍倾向于通过灵活的阶梯定价或维持低价来抢占入口。

随着2026年全球半导体市场预计增长26.3%，AI算力依然是稀缺资源。智谱敢于在海外市场大幅提价，意味着国产大模型已具备与国际巨头同台竞技的技术底气，行业正加速告别“赔本赚吆喝”的草莽时代。

智谱全面终结大模型价格战 GLM-5海外首发开启价值回归新周期



> 月之暗面（Moonshot AI）旗下产品 Kimi 近期实现里程碑式突破，其海外收入首次超过国内市场。这一增长主要得益于 K2.5 模型的强劲表现，推动全球付费用户数激增 4 倍，并在 Openrouter 等权威榜单中跻身世界前三。

## 墙内开花墙外香

中国 AI 独角兽月之暗面传出重磅利好。在与投资者的最新沟通中，公司透露 Kimi 的海外营收已实现对国内市场的反超。这一数据标志着中国大模型产品在出海商业化上取得了实质性突破。

驱动这一增长的核心引擎是最新发布的 **K2.5 模型**。数据显示，自 K2.5 上线后的短短几天内，Kimi 的全球付费用户数量实现了 **4 倍** 增长。在第三方模型聚合平台 Openrouter 上，K2.5 的排名迅速攀升至第三位，紧随 Claude Sonnet 4.5 和 Gemini 1.5 Flash 之后。这一排名直接证明了其在国际市场上与硅谷顶尖模型同台竞技的实力。

![Google_AI_Studio_2026-02-02T03_05_48.308Z.png](https://static.downly.cn/images/c0a2655f874d184dcba5d28b38890100.png) <center>图源备注：图片由AI生成</center>

## Agent Swarm：以协作破瓶颈

在 1 月 29 日的 Reddit AMA 活动中，月之暗面创始人杨植麟分享了公司在技术路径上的新思考。面对高质量数据增长赶不上算力提升的行业难题，Kimi 正在探索 **“Agent Swarm”（智能体蜂群）** 策略。

这种方法不再依赖单一模型的“单打独斗”，而是通过并行处理子任务的方式，让多个 AI 智能体协作完成复杂任务。杨植麟透露，通过这种协作模式，K2.5 在大规模信息处理场景下的效率提升了 3 到 10 倍。这种架构创新，为 AI 处理更复杂的逻辑推理和生产力任务打开了新的想象空间。

## 对标国际先锋的战略野心

Kimi 目前的战略布局正逐渐向“Anthropic + Manus”的混合模式靠拢：

*   **技术开源** 自 K2 起，Kimi 坚持开源模型权重和工具链，支持开发者在本地或云端部署，意在构建类似 Llama 的技术生态。
*   **产品定位** 在 C 端市场，Kimi 明确将自己定位为“生产力工具”，而非单纯的聊天机器人。

通过“卷”智能极限与“卷”实际应用并行，Kimi 正在全球激烈的 AI 竞速中，通过快速迭代和精准的市场适应能力，逐步建立起自己的护城河。

Kimi海外营收反超国内 K2.5模型驱动全球用户激增



> DeepMind 掌门人德米斯·哈萨比斯直言，中国大模型与美国的差距已缩小至“仅数月”，但在缺乏颠覆性原创范式的背景下，工程能力的极致优化能否支撑长远竞争仍是未知数。

## 工程化能力的极致追赶

在中美科技博弈的宏大叙事下，DeepMind 首席执行官德米斯·哈萨比斯近日接受 CNBC 专访时，对中国 AI 的现状给出了客观而犀利的评价。他明确反对西方舆论中关于中国 AI “代际落后”的论调，认为中国大模型与顶尖水平的差距已缩短至“仅数月”。

哈萨比斯特别点名了 DeepSeek、阿里巴巴和月之暗面等中国科技公司，称其模型在训练规模与推理能力上“令人印象深刻”。他承认，中国在 AI 基础设施投入、工程化落地以及应用场景的丰富度上展现出了惊人的效率。这种在垂直领域的快速复现与优化能力，使得中国 AI 能够在短时间内迅速逼近国际前沿水平。

![Google_AI_Studio_2026-01-17T03_10_00.656Z.png](https://static.downly.cn/images/b9e59bc783df161066fc52f446d8eb63.png) <center>图源备注：图片由AI生成</center>

## 创新范式与思维瓶颈

然而，哈萨比斯也指出了中国 AI 生态面临的深层隐忧。他认为，尽管技术迭代速度极快，但中国尚未诞生真正具有“颠覆性”的原创范式——即从 0 到 1 的科学突破。目前的成就更多建立在对现有架构（如 Transformer）的高效利用与改进上，而非探索全新的基础理论。

他强调，这种差距的根源并非单纯的技术封锁，而是“思维方式”的差异。虽然高端芯片的出口管制确实限制了超大规模模型的训练，但真正的瓶颈在于是否拥有鼓励高风险、长周期基础探索的文化。“创新需要容忍失败的土壤和跨学科的自由思考，这比算力更难复制，”哈萨比斯表示。这一观点为全球 AI 竞赛提供了新的观察维度 算力决定速度，而思想深度决定高度。

DeepMind哈萨比斯评中国AI 追赶速度惊人但缺乏从0到1原创力



> **导语**
> 全球开源大模型格局迎来新霸主。数据显示，阿里通义千问（Qwen）系列模型累计下载量突破 7 亿次，以断层优势超越 Meta 和 OpenAI 等竞争对手。凭借全栈开源策略与卓越性能，国产大模型正在重塑国际开发者社区的生态版图。

## 开源生态的断层式领先

据全球最大的 AI 开源社区 Hugging Face 发布的最新数据，截至 2026 年 1 月初，阿里巴巴旗下的通义千问（Qwen）大模型已确立了其在全球开源领域的统治地位。7 亿次的累计下载量，不仅是一个庞大的数字，更代表了全球开发者对该系列模型的高度认可。

2025 年 12 月的数据尤为引人注目，该月千问的单月下载量竟超过了全球主流模型榜单中第 2 至第 9 名的总和。这一长串被超越的名单中，包含了 Meta 的 Llama、DeepSeek、OpenAI、Mistral、NVIDIA 等国际巨头，以及智谱、月之暗面、MiniMax 等中国本土创新力量。自 2025 年下半年正式超越 Meta 以来，千问已连续数月霸榜，展现出强者恒强的马太效应。

![Google_AI_Studio_2026-01-10T03_49_47.900Z.png](https://static.downly.cn/images/0979ae494dad86824de9c56903a57ecd.png)
 <center>图源备注：图片由AI生成</center>

## 全栈策略构建技术护城河

千问系列的成功并非偶然，而是源于阿里精准的“全栈开源”战略。从适合端侧部署的轻量级 Qwen3-0.6B，到参数量巨大的 Qwen3-Max，千问构建了覆盖不同算力场景的完整矩阵。此外，在视觉、音频、代码处理等垂直领域的全模态覆盖，使其成为开发者的首选基座。

在性能维度，千问系列已在多项权威评测中证明了其具备与 GPT-5-high 等顶级闭源模型正面抗衡的实力。这种“开源最强”的定位，打破了以往“开源不如闭源”的刻板印象，极大地降低了高性能 AI 的应用门槛。

## 国产模型重塑国际格局

目前，全球范围内已有数以万计的真实商业应用基于千问架构构建。这标志着国产开源大模型不再仅仅是实验室里的科研成果，而是真正成为了支撑全球数字经济的基础设施。

在国际开发者社区中，千问的普及率达到历史性顶峰，这意味着中国科技企业在定义下一代 AI 开发标准方面拥有了更多的话语权。随着生态的进一步繁荣，千问有望继续引领开源模型的演进方向，为全球 AI 普惠化贡献中国方案。

阿里通义千问下载破7亿 强势领跑Hugging Face开源榜单

月之暗面旗下推出的AI音乐视频MV生成工具

搜索结果: 月之暗面