当开源模型社区还在把 300B 当作"大"时，月之暗面直接把门槛抬到了万亿级。7 月 27 日， K3 正式开源——2.8 万亿参数、全球首个对外开放的 3T 级参数模型，把"万亿级参数"与"开源"这两个此前几乎互斥的词，第一次组合到了一起。

三个硬指标的含金量

Kimi K3 在三个维度上刷新了开源模型的既有边界。首先是参数规模：2.8 万亿的体量，意味着它不仅是国内首个开源的万亿级模型，也直接把开源模型的能力天花板向上推了一整个量级。其次是架构：K3 采用混合专家（MoE）架构，用稀疏激活的思路在超大参数规模下维持可用的推理效率，这也是万亿级参数能够真正"跑起来"的前提。第三是能力覆盖：模型具备原生视觉能力，可端到端处理图文多模态任务，上下文窗口达到 100 万 token，足以支撑超长文档理解与复杂长程任务。

海外社区的反应

开源的反馈来得很快。模型上线后迅速登顶 Hugging Face 趋势榜，海外开发者社区给出了一个相当有信息量的评价——把 Kimi K3 称作"本地版 Fable 5"，言下之意是它提供了接近前沿闭源模型的体验，却可以完全本地部署、权重完全开放。埃隆·马斯克也在社交平台上点赞并评论，让这波热度从开发者圈扩散到了更大的公众视野。

这一现象的底色，是开源与闭源阵营力量对比的一次微妙位移。过去，开源模型通常被视作"够用但不顶尖"的选项；Kimi K3 的出现，把"接近前沿能力 + 完全开放"两个诉求第一次在万亿级规模上同时满足，也让"开源追不上闭源"的旧叙事出现了裂缝。

从更广的产业视角看， 与 代表的国产开源路线，正在用"超大规模 + 开放权重"走出与闭源前沿截然不同的差异化路径——前者卡位能力上限，后者用开放性和可本地化部署换取生态与信任。值得警惕的是，万亿级参数的开源模型对推理基础设施提出了严苛要求，本地部署的实际成本与易用性，将决定这波"开源天花板抬升"最终能转化出多大的真实采用率。

后续值得跟踪的几个方向：

  1. Kimi K3 在真实负载下的推理成本：MoE 的稀疏激活优势能否抵消万亿级参数的显存压力，是社区最关心的实际问题。
  2. HF 榜单热度的可持续性：趋势榜的热度终会退潮，K3 能否沉淀出稳定的开发者生态才是长期指标。
  3. 国内开源的跟进节奏：DeepSeek、Qwen 等是否会加速万亿级开源布局，将决定开源阵营能否整体抬高天花板。
  4. 马斯克表态的后续：这位 xAI 掌门人的公开点赞，是否预示着某种技术路线上的认可或合作可能。