美国前白宫AI负责人弃用Claude转投Kimi：中国模型这次真的不一样了

当一个中国模型开始被硅谷用户主动选择，叙事的方向就已经变了。

2026年7月27日，月之暗面宣布将Kimi K3全量开源。接下来的48小时里，全球开发者的请求量直接打满了服务器集群。

这不是段子。一个2.8万亿参数的模型，被一个成立仅三年的中国公司免费放到了全世界面前。

美国科技圈的反应比模型本身更值得玩味。特朗普前白宫AI负责人David Sacks公开说自己已经从Claude切到了Kimi处理大量工作，理由是"它直接干活而不是对你说教"。X上关于"杨植麟为什么当年没有留在美国"的讨论拿到了五百多万次浏览。彭博社直接用了一个词：Kimi Moment。

央视《焦点访谈》也在8月专门报道了这件事，定调很明确：开源，正在成为中国人工智能最鲜明的标识。

一个模型的发布，为什么会引发这么大的连锁反应？它到底改变了什么？

01 发生了什么：从发布到开源，只用了十天

把时间线拉清楚，这件事的节奏本身就很说明问题。

7月17日，月之暗面凌晨发布Kimi K3。这是一个2.8万亿参数的稀疏MoE模型，每Token仅激活约1040亿参数，最高支持100万Token上下文，原生支持视觉理解。发布即登顶全球前端代码盲测榜单，76%的盲测胜率超过GPT-5.6 Sol和Claude Fable 5。

这个参数规模是什么概念？它是全球第一个进入"3万亿参数俱乐部"的开源模型。在此之前，开源模型的参数天花板停留在千亿级别。

7月27日，仅仅十天后，月之暗面宣布K3全量开源。不只是模型权重，还包括技术报告，以及MoonEP、FlashKDA、AgentEnv三项基础设施关键技术。用创始人杨植麟的话说，这不是"发布一个新模型"，而是把从模型到基础设施的完整技术栈摊开给所有人看。

7月28日，Kimi K3开放日。开源后的48小时内，开发者请求量直接打满集群，月之暗面不得不临时扩容。

8月4日，月之暗面宣布kimi-k2.5及moonshot-v1系列API将于8月31日下线，建议用户迁移至kimi-k3、kimi-k2.6。旧模型退场，新模型接棒，迭代速度在加快。

8月14日，月之暗面发布严正声明，否认市场上流传的"老股融资""特殊通道"等传言，称已向公安机关报案。侧面反映的是：市场对这家公司的关注度已经高到有人专门靠它的名义行骗。

而在这期间，K4训练的消息也开始流出。据报道，月之暗面正在规划下一代大模型Kimi K4，规模将远超K3。

02 K3到底强在哪：不只是参数大

很多人听到"2.8万亿参数"第一反应是：参数越大，模型越强。但K3的技术报告里，真正值得关注的并不是单纯把模型做大，而是它如何解决"大模型越来越难训练"这个行业痛点。

**第一，KDA混合线性注意力机制。**这是K3的核心架构创新。传统Transformer用的是标准注意力，计算复杂度是O(n²)，序列越长越慢。KDA（Kimi Delta Attention）把线性注意力和残差注意力结合，在保持长上下文能力的同时大幅降低推理成本。简单说：同样的算力，能干1.25倍的活。

**第二，稀疏MoE架构，实际激活只有1040亿。**2.8万亿是总参数，但每个Token只激活约1040亿参数（约3.7%）。这意味着推理成本远低于同规模的稠密模型，也是K3能以亲民API定价（100元/百万tokens）提供服务的基础。

**第三，100万Token上下文窗口。**这不是简单的"能塞更多文本"，而是意味着K3可以一次性处理整本书、整个代码库、完整的法律合同。长上下文能力直接决定了Agent和复杂任务的上限。

**第四，代码能力登顶。**在前端代码盲测中，K3拿到76%的胜率，超过GPT-5.6 Sol和Claude Fable 5。这是中国大模型第一次在核心能力上拿到全球第一。

**第五，原生视觉理解。**K3不是文本模型外挂视觉模块，而是原生多模态架构，图文理解的一致性更好。

把这些点放在一起看，K3不是一个"堆参数"的模型，而是在架构、效率、上下文、代码能力上同时做了突破。这也是为什么它开源后，全球开发者不是"围观"，而是真的在抢着用。

K3的突破不在参数数量，而在架构效率------用更少的激活参数，拿到更强的结果。

03 为什么选择全量开源：一场战略阳谋

K3开源最让人意外的不是"开源"本身，而是"全量开源"。模型权重、技术报告、三项基础设施技术，全部免费开放。

要知道，训练一个2.8万亿参数的模型，成本是以亿为单位计算的。把这么贵的东西免费送出去，图什么？

答案藏在三个层面。

**第一，用生态换标准。**大模型的竞争最终不是参数之争，而是生态之争。当全球开发者都基于K3做微调、做应用、做Agent，K3的架构就会成为事实标准。闭源模型再强，也只能在自己的围墙里生长；开源模型可以长在每一个开发者的服务器上。

**第二，用开源反哺迭代。**开源后，全球研究者会帮月之暗面发现问题、优化架构、探索新用法。K3的技术报告里提到了"自举能力"------模型可以用自己生成的数据来训练下一代模型。开源社区的反馈，本质上是在为K4积累燃料。

**第三，用开放对抗封锁。**这一点在当前的地缘环境下尤为关键。美国在算力出口上持续收紧，中国AI公司面临硬件限制。开源是一种"你卡我硬件，我就开放软件"的策略------当全世界都在用中国的开源模型，算力封锁的意义就被稀释了。

杨植麟在GTC 2026上的演讲给出了更直白的表述。他说开源追闭源有三个方向：提升Token效率、扩展长上下文、用Agent集群协作。拆开看，前两个说的是模型本身的能力边界，第三个是在讲系统架构的切换。K3开源，就是在为这三个方向建立全球协作的基础。

04 硅谷为什么集体破防：叙事的方向变了

K3发布后，美国科技圈的反应比技术本身更值得细读。

特朗普前白宫AI负责人David Sacks在X上公开说，自己已经从Claude切到了Kimi处理大量工作，理由很直白：“它就是好玩得多，因为它直接干活而不是对你说教。”

一个美国前政府高官，公开宣称自己在用中国AI产品替代美国产品。这件事放在三年前是不可想象的。

更微妙的是硅谷对创始人杨植麟的态度。K3发布那一周，X上关于"杨植麟为什么当年没有留在美国"的讨论拿到了五百多万次浏览。语气里带着一种集体惋惜------好像一个本该属于美国的天才，被"放跑了"。

但杨植麟的故事本身就是对这种叙事的反驳。他1992年出生，清华计算机系本科，在清华期间组建过摇滚乐队当鼓手。后来去了MIT，再后来回国创业。他不是"被放跑"的，是主动选择回来的。

更关键的是数据。月之暗面2026年4月ARR（年度经常性收入）突破2亿美元，6月就涨到3亿，两个月涨了50%。API定价100元/百万tokens，B端客户照样买单。这说明Kimi不是靠"免费"或"国产替代"在活，而是靠产品力在赚钱。

过去几年，中国AI的叙事一直是"追赶"------追GPT、追Claude、追Gemini。K3之后，叙事开始变了。当一个中国模型在代码盲测中拿到76%胜率，当美国用户主动切换到中国产品，当全球开发者抢着用中国开源模型，"追赶"这个词就不再准确了。

更准确的说法是：中国AI正在从"跟随者"变成"定义者"。开源，就是定义权的一部分。

当用户开始用脚投票，"谁领先谁落后"就不再是宣传话术，而是每天都在发生的选择。

05 接下来该看什么

K3的故事还没结束。接下来几个观察点，会决定这个"Kimi时刻"到底是昙花一现还是真正的拐点。

**第一，K4什么时候来。**据公开报道，月之暗面已经在规划K4，规模将远超K3。如果K4能在半年到一年内推出，并继续保持开源策略，那月之暗面的迭代速度就会形成真正的壁垒。

**第二，8月31日旧模型下线。**kimi-k2.5和moonshot-v1系列API即将下线，所有用户必须迁移到K3或K2.6。这是一次强制升级，也是对K3稳定性的一次压力测试。

**第三，商业化能不能持续。**ARR两个月从2亿涨到3亿美元很亮眼，但这个增速能不能维持？B端客户的续费率、API调用量的增长曲线，比单次数据更重要。

**第四，开源生态的真实活跃度。**开源不是放出去就完事了。GitHub星标数、基于K3的微调项目数量、第三方应用的涌现速度，这些才是开源成败的真正指标。

**第五，IPO进程。**市场上一直有月之暗面准备IPO的传闻，公司8月14日的辟谣否认的是"老股融资"，并没有否认上市计划。杨植麟2025年底说过"不着急上市，账上钱还够用"，但K3之后，时间表可能会变。

写在最后

K3开源这件事，最值得记住的不是"2.8万亿参数"这个数字，也不是"76%胜率"这个排名，而是一个更朴素的事实：

一个成立三年的中国公司，把自己最贵的资产免费送给了全世界，然后全世界抢着用。

这在以前是不可想象的。以前是我们用别人的开源模型，现在是别人用我们的。以前是我们追着别人的标准走，现在是别人开始基于我们的架构做开发。

当然，现在说"中国AI已经全面超越"还为时过早。闭源模型在某些维度仍然领先，算力卡脖子的问题没有根本解决，K3的III期临床式的大规模商用验证还需要时间。

但方向已经很清楚了。开源不是妥协，是进攻。当一个模型长在全球每一个开发者的服务器上，它就不再只是月之暗面的模型了------它变成了整个行业的基础设施。

而基础设施，才是真正的护城河。