爆火到算力紧张、会员停售，Kimi K3强在哪里？专家解读：注意力机制和人类的直觉思维很像

来源：市场资讯

（来源：舒家奎九派新闻）

中国大模型厂商再一次迎来了DeepSeek时刻。

7月19日晚间，Kimi K3上线仅三天后，月之暗面旗下AI助手Kimi发布《关于算力紧缺与会员暂停开放的说明》，宣布即日起暂停C端新用户订阅，将现有算力全部用于保障已订阅用户权益，并全速推进扩容。

Kimi K3在7月16日上线后，凭借优秀的性能表现，Arena跑出代码赛道单项排名第一，成为首个在代码领域盲测追平全球顶级闭源模型的开源模型。据中信证券的研究，海外投资人对此高度关注，将其称为中国又一次DeepSeek时刻。

据月之暗面官方介绍，虽然 Kimi K3 的整体表现仍落后于最强的闭源模型 Claude Fable 5 和 GPT-5.6 Sol，但它在我们的整套评测中展现出前沿水平的能力，并稳定超过了其他所有模型。

Kimi K3的测评成绩。

Kimi K3到底强在哪里？

一是，模型参数大，性能比肩国际顶尖开源模型。Kimi K3是一个 2.8 万亿参数模型，是全球首个开源的 3 万亿级别模型，面向长程编程、知识工作和推理等前沿智能场景而设计。

据新华社报道，月之暗面有关负责人表示，参数就像人脑里的神经连接，近3万亿参数意味着这个模型能把更多的知识和规律装进“脑子”，懂得更多、想得更深、答得更准。“参数越大，能力上限越高，可以提供更智能的模型表现。”这位负责人说。

这并不是Kimi第一次打破这项纪录：一年前Kimi K2发布时，成为世界上第一个参数量达到万亿级别的开源模型。

但模型参数量越大也会带来算力消耗高、推理成本大等问题。

Kimi的解决路径是采用Stable LatentMoE架构，模型总参数量达2.8万亿，但采用“896个专家，单次仅激活16个”的稀疏化设计。通过这样的设计，可以大幅降低单次推理的激活参数量（降至千亿级别），在保持大知识容量的同时，将推理成本压缩至小模型水平。

武汉大学计算机学院教授、中国人工智能学会心智计算专委会副主任委员蔡恒进向九派财经记者表示，K3的聪明，在于它学会了“选择性遗忘”。人类大脑之所以高效，不是因为我们记住了所有东西，而是因为我们知道该忘记什么。K3的注意力机制不再是“什么都看”，而是“只盯着关键的那几个点”，这跟人类的直觉思维很像。

在UC Berkeley的AI评测平台Arena公布的最新榜单显示，K3以1679分登顶前端代码竞技榜，在数据与分析、内容创作等七个领域斩获六个第一。这意味着，Kimi K3的应用能力已经可以与国际顶尖的开源模型比拟。

蔡恒进教授认为，中美大模型的代际差缩小核心原因在于赛道切换，K3这类架构创新说明了，未来不是谁跑得更快，而是谁先找到新的方向。

二是，开始拿到市场定价权，国产大模型不再依赖低价。Kimi K3发布后，凭借比拟国际顶尖开源模型的能力，在价格方面也具备了涨价的底气。

以每百万Token计算，Kimi K3的API定价为输入20元、输出100元，分别较Kimi K2.6价格高出2.1倍和2.7倍。与国内厂商对比，Kimi K3的API输出价格和输入价格分别是MiniMax-M3的12.5倍和10倍。

“开源模型、中国大模型不该被贴上低价标签。我们做出了SOTA级模型，也能匹配合理商业定价。”月之暗面企业业务负责人黄震昕在接受媒体记者采访时表示。

在Kimi K3因爆火后被迫暂停C端新用户订阅后，大模型产业链上游的算力供应、算力硬件等板块格外受市场关注。

“我们提前做了充分的算力储备预案，但用户和客户的热情还是超出了预估。”黄震昕说。

据黄震昕介绍，月之暗面团队正在通过两条路径缓解供需矛盾，一是模型效能的持续优化，二是算力供给的快速扩容。

国金证券的分析指出，Kimi K3引爆国产算力需求，头部的厂商储备现金大规模将投向算力采购，国产算力基建有望迎来新一轮扩容。中信建投计算机团队在7月20日发布报告也指出，继续看好GPU、CPU、存储、高速网络及算力租赁服务等环节。

但在蔡恒进教授看来，算力缺口暴露了集中式云计算的极限，解法不在建更多数据中心，而在于把计算推回边缘。“我提过‘主动哈希交互网络’的概念，本质是让智能发生在离数据最近的地方，而不是把所有东西都搬到一个中心节点去处理。分布式、端侧、存算一体，这才是结构性解药。”他表示。

来源：九派财经

记者：舒家奎

编辑：万珮

审核：叶知秋