夜店庆功之后，Kimi掀起“开源盛世”

来源|凤凰《AI研究院》

7月24日深夜，酒吧的电子重低音震得杯壁发颤。

紫蓝色射灯扫过台下被包下的卡座时，一群年轻人却显得格格不入。

图为月之暗面庆功派对现场 图源：网络

他们窝在沙发角落低头刷着手机，没有加入舞池，连现场女生主动上前想加联系方式，都被这群年轻人腼腆地回绝。

这些年轻人是月之暗面的研发团队，平日里习惯泡在代码世界里、对着模型训练日志持续研究，显然还没适应夜店的喧嚣。

图为月之暗面庆功派对现场 图源：网络

但在舞台中央的大屏幕，这群年轻人骨子里的锐气被毫不掩饰展露出来，猩红色的粗体字在霓虹里滚动：“K3 scale up！K4 scale the fuck up！To the moon！” 没有行业惯例里的客套与体面，只有一家年轻创业公司直冲月球的无畏感。

没人能预料到，这场庆功派对结束后，月之暗面在昨晚正式扔下一颗震动全球AI产业的炸弹。

7月27日晚11点，月之暗面突然官宣：拥有2.8万亿参数的Kimi K3大模型，连同全套训练技术报告、底层基础设施技术栈全面开源，所有人均可免费下载部署、自由商用。

因为Kimi K3的发布与正式开源，不仅让全球开发者的狂欢，也让拥有闭源壁垒的海外AI大模型巨头陷入恐慌，更让全球AI行业延续多年闭源模型主导的格局，第一次出现了被改写的信号。

01 Kimi这波开源，会成为行业拐点吗？

可能乍一听“开源”、“闭源”觉得很玄乎，但说白了就是两种做生意的路子。

拿开餐馆打个比方，闭源就是私房菜馆，配方、后厨、食材全是机密，你想吃只能进店按份买单，定价权全在店家手里，体验稳定但一般都很贵，代表就是OpenAI、Anthropic这类传统顶尖厂商。

而开源则把餐馆完整菜谱、配料比例、后厨流程全公开，你有锅有灶就能自己在家做，口味不合还能自己改调料，不用看店家脸色，Meta旗下的Llama系列、以及如今的Kimi K3都走的是这条路。

Kimi这次宣布开源的动作，如果以为就是扔个模型文件供大家下载，这就太小看这波操作的分量了。

因为这次不只是开放了Kimi K3模型权重，而是把整个技术栈全交了出来。

过去大多数厂商的“开源”，本质是给自家闭源服务打广告，只给你一个调好的权重文件，而推理框架、并行通信、环境配置这些全要开发者自己搭，普通人折腾半个月都未必能跑通，最后还是得乖乖用官方API。

但Kimi这次连自家模型底层三件核心基础设施一起开放了：MoonEP、FlashKDA和AgentEnv。

这三个英文的技术词汇可以这样去理解：

MoonEP中文名叫做“动态专家激活机制”，相当于医院的智能分诊台，用户的问题自动分配给最擅长的“专家模块”处理，不用所有模块一起启动，既省算力又保证效果。

FlashKDA是Kimi自研注意力机制的加速版，传统Transformer就像餐厅每上一道菜，服务员就要重抄一遍全部菜单，菜越多越累；FlashKDA只记录“新菜和旧菜的差异”，把KV缓存的带宽需求压到传统方案的十分之一，长文本推理又快又省。

AgentEnv则是标准化的智能体测试环境，相当于直接给开发者送了一套现成的实验台，不用从零搭建调试框架，拿来就能测AI的工具调用、多步任务执行能力。

有人可能会问，现在下载到自己电脑就能跑顶级大模型了？

图为网友测算的本地运行Kimi K3成本 图源：网络

那也别想得太简单，2.8万亿参数的模型，单权重文件就要占用1.5TB以上的高端显存，要流畅部署至少需要几十张顶级GPU组成集群，一套硬件下来千万起步，普通个人和小公司根本玩不起本地部署。

真正能杀疯的，是API调用的成本差。

图为网友实测Kimi K3 与 Fable 5单次任务成本 图源：网络

有用户实测对比了Kimi K3 与 Fable 5，同等编码任务效果完全一致的前提下，Fable 5速度更快，但Kimi K3总成本比其低约64.38%，但需接受更长的运行时间。

Mozilla《开源AI现状报告》里有个关键数据，如今开放权重模型与闭源模型的平均性能差距已经缩至3.3%，在编码、指令执行和通用知识等主流场景基本持平。

当能力只差一点点，价格却差很多的时候，行业的游戏规则就变了。

以前应用公司拼的是“谁能拿到更强的模型”，以后拼的是“谁的token成本更低”。定价权，正在从闭源厂商手里，滑向开源生态这一边。

而“拐点”之所以能成立，靠的不只是技术，更是产业与政策的全面共振。

技术栈全开放后，开发者的接入门槛被大幅拉低，开源不再是闭源的附属品，而是能独立撑起一条产业路线。

其次性能差距收窄到“定价权易主”的临界点，目前的成本差足以重构整个应用层的商业逻辑，当绝大多数场景用开源就能满足，闭源模型就必须证明自己值得高溢价。

图为华为计算与阿里云宣布对Kimi K3适配 图源：网络

7月28日，华为计算、阿里云等AI生态链公司官宣完成对Kimi K3的Day0极速适配，成为国内首批稳定承载万亿参数MoE大模型的国产算力底座。

上层模型开源开放完整技术底座，下层算力与应用生态快速落地适配，一套可自主可控的开源大模型商业化路径，已经清晰地摆在了行业面前。

Kimi K3掀起的这波开源浪潮，也早已越过太平洋，引爆了硅谷沉寂已久的开源与闭源路线之争。

02 开源闭源之争，硅谷裂成了两半

硅谷最近这段时间彻夜不休地在争论“AI到底是‘开源’好还是‘闭源’好？”

从商业份额看，近几年确实是闭源模型主导的时代，据麻省理工学院数字经济计划研究科学家Frank Nagle于2025年11月发表的论文显示，闭源模型通过专有API处理了80%的Token，贡献了95%以上的收入；开源模型处理了20%的Token，仅获得约4%的收入，最强的能力似乎永远攥在闭源厂商手里，开源顶多算“平价替代品”。

图源：网络

直到7月24日晚，英伟达CEO黄仁勋发了人生第一条X（原推特），把这场争论摆到了台面上。

他没推销新GPU，而是放出一封题为《开放权重与美国AI领导力》的联合公开信，公开呼吁推动开放权重AI模型发展，帖子发出后迅速破千万浏览，点燃了争论的导火索。

站队开源模型的阵营很快成型：英伟达、微软、Meta、戴尔等25家企业和机构陆续联署。

黄仁勋在公开信里表示，“AI将改变每个行业，赋能每家公司。开源模型可以加强安全性和网络安全，加速创新和传播，并赋能主权。世界既需要前沿的闭源模型，也需要前沿的开源模型。”

针对中国AI大模型，他的判断更是直接，“中国大模型非常出色，优秀的开源大模型应该得到使用。上一次市场误解了DeepSeek的影响，这次又误解了Kimi的影响，美国不应惧怕中国的开源AI模型。”

这封联名信的逻辑很直白，开放才能促进竞争、加速创新，而封闭只会把风险集中在少数几家公司，一旦出问题就是全行业的“单点故障”，因此全球开发者共同审查的开源模型，反而能提升整体网络安全。

但这场站队最微妙的地方，是OpenAI的“双标操作”。

图源：网络

尽管OpenAI首席执行官（CEO）奥尔特曼迅速在X上转发了英伟达CEO黄仁勋的联名声明，并写道“我希望美国在AI领域，无论是开源模型还是专有模型，都能取得胜利”，但OpenAI直到7月25日下午才正式签署该信。

并且OpenAI战略未来主管Dean Ball在K3发布次日写的那条长推文，似乎更能代表OpenAI真实想法，在简单承认K3的能力之后，他认为开源模型是「减速主义的」，阻碍企业在AI方面的资本支出，还引导美国政府制造监管风险以此让美国企业主动远离中国的开源模型。

与此同时在华盛顿，OpenAI与Anthropic的高管被曝出正在游说监管层，试图直接封杀中国开源模型。

这种绵里藏针的行为方式，正是硅谷这场分裂最真实的注脚。

不少人会觉得黄仁勋发声支持开源，是出于推动行业发展的理想主义，但结合英伟达万亿级的商业盘子来看，也很难不让人揣测其背后藏着更深的商业考量。

图为黄仁勋 图源：网络

归根结底，作为英伟达CEO的黄仁勋是全球AI算力硬件的头号供应商。

闭源模型买他的GPU训练推理，开源模型同样买他的GPU部署，对卖卡的人来说，两边都是生意，没有立场之分，只有盘子大小之别。

而眼下的盘子，正在快速向开源大模型公司倾斜。

全球头部AI模型API聚合平台OpenRouter的最新数据印证了这一点，截至2026年7月，开源模型的周度Token调用量占比已经全面反超闭源模型，仅中国开源模型的周度调用总量就达到美国模型的14倍之多；一年前中国模型在该平台的份额还不足2%，如今Top5榜单里已经清一色是国产模型的身影。

也正因这一市场趋势，外界普遍推测，这才是黄仁勋亲自下场力挺开源模型的关键动因。

当前沿的技术不再被少数公司锁死，当全球开发者都能站在同一条技术起跑线上自由创新，一场属于开源的盛世，或许真的要来了。