Kimi K3：开放权重竞赛升级
这显然是迄今发布过的最强开源模型。仅从这个模型本身就能看出，即便美国闭源前沿模型的对抗式蒸馏发挥了作用，影响也至多相对有限。那些关注过蒸馏恐慌，却因此误以为中国 AI 实验室只能靠窃取知识产权做出好模型的观察者，恐怕要重新认识现实了——中国公司在模型构建上的能力非常强，丝毫不逊于美国顶尖公司。Moonshot AI 正在解决许多 OpenAI 和 Anthropic 同样面临的问题。我相信，围绕蒸馏的讨论乃至压力还会继续，但如今已有充分证据表明，中国公司不只是快速跟随。
在中国之行期间，我见到了 Kimi 团队的几位核心成员。当时我明显感受到，他们拥有极具感染力的文化——有人或许会称之为“气场”——并且能够在 GPU 受限的环境下自由表达这种文化。模型构建在很大程度上是一场规模竞赛，但要真正做出优秀模型，仍然离不开个人的执行力、动力和创造力。亲自拜访过他们之后，这一成果就没那么令人意外了。我走访过许多 AI 公司，却很少见到哪家公司的文化能让人如此迅速地感受到。
与此同时，中国的 AI 应用浪潮晚于美国才开始。因此，尽管中国各家实验室拥有的算力远少于美国同行，但其中更大一部分显然可以直接用于训练。当我开玩笑说，OpenAI 的普通研究员或许能用上几千台 H100 等效机器时，Kimi 的研究人员都十分震惊。Kimi 的组织架构和模型研发方式想必都受到了这一现实的影响，但如果没有大量内部信息，很难准确还原其中的具体机制。
当前顶尖模型的表现大致如下：
Anthropic——Claude Fable 5
OpenAI——GPT 5.6 Sol
Moonshot AI——Kimi K3（开放权重*）
SpaceXAI——Grok 4.5
- Zhipu (Z.ai) – GLM 5.2 (开源权重)
- Meta – Muse Spark 1.1
- DeepMind – Gemini Flash 3.5
- Alibaba – Qwen 3.7 Max（3.8 已官宣，写作时也将开源）
- 开源模型本质上具有“减速主义”倾向，我常对所谓的“加速主义者”如此热衷开源模型感到惊讶。
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发布一份关于中国 AI 实验室威胁的通告，实际上是在劝阻美国企业使用相关技术。
消息人士补充说，白宫还考虑过发布行政命令，规定美国企业只有在能够保证安全、并愿意在发生安全漏洞时承担责任的情况下，才能托管中国模型。
另一位接近美国政府的消息人士称，商务部去年夏天还曾在政府内部传阅一份规则草案，计划利用其保障国内供应链的权限，对中国开源模型采取限制措施。
此次发布及其他近期事件，极大地改变了开源与闭源模型博弈中可能结果的走向。我将逐一拆解分析。
在很多方面，这感觉像是新时代的开端。这是一个竞争更加激烈的时代，也是我们在全球范围内部署强大技术时，更需要协调配合的时代。
分享
1. 中国重申开源 AI 承诺——对近中期风险的不同解读
许多人最近才开始关注中国的人工智能领域，因此得出了“开源发布模型是他们的核心策略”这一结论。事实上，我认为大多数实验室的核心策略更接近 Anthropic 或 OpenAI——即尽可能构建最强大的智能。在长期关注并与这些中国实验室互动后，我认为他们最初转向开源发布模型的最佳解释是务实考量。他们需要通过开源发布模型来获得采用率、关注度以及反馈（特别是在高价值的旧金山湾区市场）。 长期以来，中国对于开源 AI 的政策解释非常有限，对于何为“国家级战略”也缺乏明确界定。据我所知，高层领导从未公开谈论过开源 AI。然而本周情况发生了改变，习近平在 World AI Conference (WAIC) 上发表主旨演讲，明确将中国 AI 生态的未来托付给了开源和全球扩散。这种对现状的承诺，与最强开源权重模型的发布恰逢一周，这无疑是现代 AI 早期历史中的一个鲜明注脚。 此时正值中国 AI 行业讨论诸多潜在发展路径之际——是坚持开源？能否在规模扩展上追平美国实验室？中国是否存在不断增长的营收市场？围绕这些问题，焦点主要集中在中国的风险容忍度、公司的变现能力，以及任何可能导致公司停止公开发布其*最佳*模型的相关因素上。 将习近平的承诺与一款非常强大的模型发布在时间上联系起来，中国实际上间接表明了其在发布开源权重模型方面的风险容忍度。目前来看，这折射出中国对于系统内强大网络安全能力（或生物危害）等议题的感知风险。 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——其技术覆盖范围可能远超美国政府的“氛围监管”——一旦测得风险，就会采取行动。简单来说，他们并不认为当前的尖端模型存在实质性风险。 与此同时，中国的经济决策者认为推广 AI 有利可图，他们希望先通过扩大应用规模（正如中国过去在汽车、太阳能、先进制造等领域所做的那样）来获取收益，日后再从该行业获利。 在经历了数月关于 Claude Mythos 模型的炒作和恐吓之后，这种观点在美国 AI 媒体环境中显得有些令人震惊。这种反差恰恰提供了极佳的现实依据——世界并不像美国媒体中听到的那些 AI 叙事那样，拥有完全一致的共识。2. 开源模型是前沿实验室的经济阿喀琉斯之踵
许多引导 AI 讨论的叙事者都有强烈的动机去压低最佳开源模型的感知能力。Dean Ball——尽管个人支持开源模型，但如今就职于 OpenAI——曾发帖反思 Kimi，并就开源模型发表了如下看法。理解这一观点至关重要，因为它界定了开源模型在 AI 建设中的经济角色。Dean 表示：在我看来，这总体上对社会有益。开放权重模型能够降低达到一定性能水平的智能的使用门槛，从而加速AI 在整个经济中的扩散。开放模型也更利于定制化。不过，这种扩散本质上要慢得多：前沿 AI 实验室的产品可以直接卖给开发者使用，而开放模型的潜力在于，几乎每家企业都能用它们打造领域专属的智能体。这样的经济扩散需要非常漫长的时间！我曾将其描述为：开放权重模型起步慢得多，但指数增长的潜力也可能更大。问题在于，如果闭源模型在基础能力上领先太多，开放模型的定制优势就可能失去意义。
在我看来，AI 扩散加速、AI 实验室的权力更加分散，这两者结合起来对 AI 转型非常有利。它既给我们更多时间去应对新能力带来的棘手问题，也让更多利益相关者能够影响发展方向——让任何一家企业单独负责安全地掌控世界上最重要的技术，都很可能出现问题。
当然，对我而言，在这样的格局下，最好的模型仍然应该由美国公司开发，这样美国才能掌控这项技术的发展轨迹及其价值取向。我也预计最终会是这种结果，因为美国拥有规模更大的资本市场，愿意投资 AI（并且从中获得越来越多的利润），但这并非板上钉钉。
Interconnects AI 是一份由读者支持的刊物，欢迎订阅。
订阅3. 中国的效率优势
Kimi 的发布博文提供了一些技术细节，印证了那些持续推动模型进步的改进确实存在。举一个例子：
Kimi K3 构建于 Kimi Delta Attention（KDA）和 Attention Residuals（AttnRes）之上。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方式。与此同时，模型进一步提升了 Mixture of Experts（MoE）的稀疏度：结合 Stable LatentMoE 框架后，896 个专家中实际只激活 16 个。再加上更完善的训练方案和数据配方，这些结构性改动让整体 scaling efficiency 相比 Kimi K2 提升了约 2.5 倍，使模型能够更高效地将计算资源转化为智能。
训练效率的提升会不断累积，也将推动模型持续取得惊人的进展。
顺带一提，追溯这项创新在整个生态中的演进路径，是个很有意思的例子。Kimi Delta Attention（KDA）最早发表于 Kimi Linear 的论文，它与 Olmo Hybrid 所采用的 Gated DeltaNet 很相似。Olmo Hybrid 是我在 Ai2 工作期间参与的最后一个 Olmo 模型。Qwen 的最新模型也转向了相关架构，近期的 Nemotron 模型同样采用了混合架构，不过整体上仍然更接近 Mamba，而不是 Gated DeltaNet。看到这类由学术界大力推进的新架构理念，能够如此迅速地应用到前沿规模模型中，确实令人振奋。Gated Delta Networks 于 2024 年底提出，建立在 Mamba 等已有理念之上；到了 2026 年年中，它们已经出现在前沿模型中。
我之所以选择这个例子，一方面是因为 Kimi 团队用一个很有说服力的数字量化了模型之间的创新增益；但更重要的是，我想借此展开讨论中国在资源利用效率方面的优势。
现在越来越清楚的是，中国的 AI 实验室在资本利用效率上高得多。在 scaling laws 认为智能水平与有效资本投入成正比的世界里——资本可以用来购买算力、数据和人才——这或许是一个 AI 产业所能拥有的最大优势。造成这一现象的原因可能有很多，例如中国研究人员的薪酬更低，但在 LLM 研究中的解题效率更高。不过，我们可能永远无法得到如此具体的答案。
自从我写下关于中国的观察后，我又听到了一些新情况：中国正在形成一个数据产业，不过规模远远落后于 Anthropic 为数据投入的数十亿美元；与此同时，中国实验室也能获得相当可观的训练算力（通过绕开出口管制）。中国企业过去并没有同等规模的推理需求——直到最近，Moonshot AI 不得不暂停 K3 模型的新订阅，但 API 仍在运行——因此，他们可以将更多算力投入训练。这些因素都直接影响我们对中国实验室真实能力的判断，但目前我们几乎没有足够的测量数据。
从现实情况看，中国实验室获得的融资，比美国 AI 生态中的任何一个细分领域都少了几个数量级。最直接的对比对象是 OpenAI 和 Anthropic，它们的公开模型略胜一筹。Google 和 Meta 等公司拥有商业史上规模最大的现金流，却在模型开发上落后。至于美国的新兴 AI 实验室，竞争就更激烈了——Thinking Machines 最近发布了首个模型Inkling，实力不俗，但还无法与 Kimi K3 相提并论。
资源更充足的美国公司仍有可能追赶上来，但我们必须认真看待现有的公开模型评测，不能寄希望于主观乐观——那往往只是偏见的体现。如果中国实验室确实拥有某种潜在优势，它们就可能继续利用这一优势，打造出比所有竞争对手都更强的模型！未来存在多种可能，而 K3 应该会提高大多数人对这样一种结果的判断概率：凭借更高效的训练方式，中国可能在不久的将来全面领先 AI 能力，即使这不是你认为最可能发生的结果。
资本效率更高，很可能与发展路径有关。美国实验室正投入大量精力，以巨大幅度推动技术前沿；中国实验室则更专注于追赶，而追赶的成本更低。一般来说，蒸馏后的学生模型完全可能超过教师模型（这并不局限于中国实验室采用的对抗式蒸馏）。相比“发明下一种范式”，“设法追赶”也可能带来更强的模型。
4. 前沿开源模型生态日益壮大
在 Kimi K3 发布后的那个周末，我一边撰写本文、一边广泛讨论这次事件时，阿里巴巴宣布即将推出一款拥有 2.4 万亿参数、采用开放权重的 Qwen 3.8。过去，阿里巴巴通常通过云业务，以 API 独占的形式提供规模最大的模型。因此，这次宣布再次释放出一个强烈信号：开放模型经济正在进入新阶段。即使 Qwen 3.8 在基准测试中落后于 Kimi K3，这也表明，中国公司不仅没有打算维持现有的开放模型策略，反而可能会进一步加码。
如果 Qwen 3.8 很快发布——也就是赶在下一代 Gemini 之前——它可能会把 Google 挤到“拥有最强模型的实验室”排行榜第八位；而中国公司正在这份榜单上不断上升。此外，市场上还流传着更多强力中国模型即将发布的消息，DeepSeek V4 预计也将脱离“预览版”阶段。
5. 前沿开放权重政策漫长故事的开端
我认为，如果 Claude Mythos 今天以开放权重模型的形式发布，其负面影响相对有限。这个观点并不容易坚持，因为我们能获得的公开网络安全评估非常有限，而整个生态也十分复杂（此外，我也信任 Anthropic 的许多人）。但我仍然坚持这一判断：相关风险被过度夸大了。
问题在于，最强大的 AI 模型未来不会永远处于这种状态。更强的模型正在到来，风险也会随之增加。因此，对于顶尖模型而言，在类似的开放权重模型出现前数月，以受控、封闭的方式提供访问权限，是一种极为稳妥的平衡状态。
用户能够高度控制的开放权重模型终究会不断出现——数字产品几乎不可能被有效禁止，尤其难以阻止不法分子使用；而 AI 训练的全球可及性，也已经持续得比许多分析师预期的更久。
然而就在我写下这些文字时，美国政府仍在试探更多限制开放权重模型的措施。最新消息来自Axios：
据一位接近美国政府的消息人士向 Axios 透露，幕后情况是：美国商务部去年曾考虑将多家中国 AI 实验室列入“实体清单”。一旦列入，除非获得许可，这些机构实际上将无法使用美国技术。
这会让美国陷入一种极不对称的局面：美国最强的模型在网络安全任务上受到安全护栏限制，而全球其他参与者却可以使用优秀的中国开放权重模型，反过来探测我们的防御能力。这只是众多例子之一，说明禁止开放权重模型不仅会损害 AI 的自由市场，也会在短期内让整个生态变得更不安全。正如我上文所讨论的，还可能带来其他严重后果，例如减缓 AI 应用和研究的传播。
这种平衡非常难以维持，尤其是在 AI 工具不断加速模型进步的情况下。但在开放模型与闭源模型之间维持现状仍然十分重要。如果一个模型在能力上真正独自处于前沿——比如刚发布时的 Mythos——同时又采用开放权重，就会在我们踏入能力未知领域之际带来严重风险。模型将以极快速度进步，而全面衡量其能力也变得越来越困难。
因此，我们陷入了这样一个局面：既要谨慎处理开放模型，又要设法把握分寸。人们不希望如此强大的技术瞬间扩散到全球，这种担忧完全合理；但与此同时，模型开发者有动力夸大自身能力，竞争对手则有动力夸大其风险。归根结底，关键在于进行审慎的测量，并主动提升社会抵御各种风险的能力。
从今天起，围绕政策的争论、模型的发布和喧闹的反应，只会愈演愈烈。自去年 12 月 Claude Opus 4.5 发布、AI 由此驶入智能体（agentic）发展路径以来，我们一直处在快速进步的列车上：AI 应该如何发展，几乎所有关键思路都在接受检验。要在这场变革中做出正确决策，关键在于建立独立于那些拥有最大经济利益的公司之外的评估能力。随着我们步入AI 治理的 AGI 时代，当务之急之一，就是采取类似 Operation Warp Speed 的方式，快速建立国家层面的能力，以及其他独立参与者，使其能够准确评估模型并研究新出现的风险。
结语：敲响警钟
开放权重模型加速了能力扩散，也让 AI 的积极面和潜在负面影响都大幅升级。迄今为止，前沿语言模型的负面影响大多还停留在假设层面，但这种情况不会永远持续下去。
让开放权重模型略微落后于闭源前沿模型，是我们用来缓冲和降低风险的天然屏障。关键在于，一旦潜在危害出现，我们必须集体采取行动加以遏制。无论开放权重模型落后 3 个月、6 个月还是 9 个月，这个时间窗口都依然非常短。如果对开放权重模型采取过于严厉的监管，我担心世界上许多人反而会因此误以为我们已经不必再采取行动。这样做的结果，只是稍微推迟了不可避免之事——开放模型终究会跨过所有关键能力门槛，无论是否合法，都无法阻挡这一进程。
未来几年，AI 社区必须汇聚各个领域、各个拥有权力和影响力的参与者，共同理解并从这种开放与闭源之间的互动中获益。
Kimi K3 是一个分水岭，因为前沿开放权重模型如今已经成为现实。接下来，人们将检验各种关于开放权重模型风险究竟会落在哪些方面的假设——我怀疑其范围会比许多人预期的更窄，而 AI 的许多风险仍将通过闭源且“更安全”的 API 扩散。随着 AI 加速融入我们的经济，对这些风险的评估也会不断演进。二者缺一不可，而我们也将继续同时迎来二者。
由此看来，2025 年是开放模型开始受到认真关注的一年——尤其是在中国凭借明显优势实现领先之后。人们逐渐意识到，未来不会是一个由美国封闭式 AI 实验室单方面决定发展方向的单极世界。到了 2026 年，前文讨论过的、由真正处于前沿的 open-weight 模型带来的潜在风险和加速效应开始成为现实。
1大量反馈都集中在第四点上：其中把开放模型不可避免的结果类比为 AI 共产主义，而我认为这个比喻并不恰当。具体来说，直接使用“共产主义”一词却没有加以解释，是引发强烈反弹的主要原因。
154124SharePreviousNext