2026年夏天的Kimi，像极了2025年初的DeepSeek。
Kimi K3 发布，参数规模达 2.8 万亿，是目前全球参数最大的开源模型，一经公布就卷起风暴，硅谷热议「开源和闭源」的模式之争，美股 AI 板块三天蒸发 4700 亿美元，威胁制裁、能力被赶超等论调甚嚣尘上。
10天后，K3正式开源完整模型，官方发布模型权重、技术报告。硅谷已经分成截然相反的两派，英伟达、微软和Palantir等公司站成一队，黄仁勋发布首条X帖，发布文章呼吁需要前沿开放模型，又联盟成立「开放安全AI联盟」。
事情远没有结束，DeepSeek 时刻是一个单点突破，而 Kimi K3 则把意外演变成了趋势。
DeepSeek 证明了开源可以逼近前沿模型，K3 则从一个追赶者变成了领跑者，模型在编程、Agent 及视觉评测中全面媲美 Claude Fable 5，调用成本却不足其十分之一。
「开源模式可以避免厂商锁定，鼓励真正的学术研究，对于资金受限的初创企业至关重要。」这是美国投资人的论调。
而相比开源闭源的模型之争，更精彩的资本竞争也将在今年上演。Anthropic已经秘密递表，或将在10月份登陆纳斯达克，估值近万亿规模；月之暗面也将启动新一轮融资，目标估值500亿美元，正计划在六个月内在香港上市。
未来的市场将为两种AI秩序定价，Anthropic代表闭源模式，月之暗面代表开源冲击力量，而这期间的每一次模型发布，都将是砸向天平的砝码。
Kimi 开源，震动美国市场
7月27日深夜，Kimi官方发布K3开源报告，包括模型权重、技术报告和关键Infra技术，7分钟之后，加拿大滑铁卢大学一位工程人员ali在社交媒体上发布了一篇分析报告，名为《2580：从GPT2到Kimi3，详解》，目前阅读量已经超过200万，成为K3发布以来传播量很高的技术解读。
从1.24亿参数的GPT-2到2.8万亿参数的K3，只是参数规模的增大吗？答案不是那么简单。
报告中，ali把线性注意力机制、增量注意力网络（DeltaNet）等模型关键架构都用代码复现了一遍，核心是凸显K3模型不只是规模的放大，更是一种聪明的淘汰策略。
他的核心论点是，大模型架构的每一次演进，都是回答记忆的问题，模型该如何决定记住什么。K3使用的常驻状态记忆、周期性全文检索、稀疏专家容量、跨深度选择性访问功能，「该系统能够将额外的容量用于具有特定功能作用的地方。」
更重要的是，这篇文章侧面回应了kimi蒸馏的指控，K3架构中的这些技术设计原理，都是独立和可公开的研究，其中MoonEP、FlashKDA、AgentEnv是三项工程基础设施，都是月之暗面独立开发的核心成果，这是打消之前Kimi模型竞争力归因于抄袭的论调。
2.8T总参数MoE，激活104B，原生100万上下文，支持视觉理解，这些都是K3显著的标签。而对开源世界来说，K3的FlashKDA之前就开源了，MoonEP和AgentEnv是这次首次放出。
MoonEP是一套通信软件，而FlashKDA是KDA注意力机制的加速实现，在英伟达H20上，它处理输入的速度是现有开源实现（flash-linear-attention）的1.72到2.22倍。它做成了通用接口，其他模型想用KDA可以直接拿去当替换件；
AgentEnv 是训练环境系统，和 KVCache.ai 合作开发。训练能自主干活的 AI，用于大规模运行 Agent 环境。它为 Kimi K3 的后训练提供高保真、强隔离沙箱，灵活支持快速快照、恢复和分叉（fork）等，可以应对大规模并行的 Agent 工作流与训练任务。
Kimi 的 K3 在美国市场引起了广泛的关注，被称为开源版 Fable 5，多家企业直接接入使用，但这只是一个风暴开端。
硅谷知名 AI 创企 Cognition 此前发布的自研模型，就是在 Kimi K2.7 开源底座上通过强化学习训练而成，如今 K3 开源不到半小时，Cognition 的 Devin 桌面客户端与命令行工具就接入了 K3，知名 AI编程公司 Cursor 已经引入 Kimi K3，美国前端云服务商 Vercel 也宣布，K3 及加速版 K3 Fast 上线其 AI Gateway。
回头看，如果说DeepSeek证明了开源可以逼近前沿模型，那么K3则是前沿本身第一次选择了开源，行业的预期进入了新的阶段，不再是开源模型落后闭源模型有多久的时间，市场更关注的是：开源与闭源的竞争，将催生出哪些新的可能性。
英伟达牵头，利益组成联盟
「过去一周，硅谷一直处于高度戒备状态，密切关注着 Moonshot AI 的 Kimi K3 的到来。」美国科技媒体 Verge 描述。
就在K3引发AI行业震动的同时，美国先后出现了两份名单，一份是英伟达创始人黄仁勋亲自牵头的政策公开信《开放权重与美国AI领导力》，目前签署的名单有77家公司；一份是7月27日，同样由英伟达主导的「开放安全AI联盟」（OSAA），一共37家创始成员亮相。
公开信是写给华盛顿的表态，旨在开放开源模型扩大AI经济的准入门槛；OSAA是协作的联盟组织，旨在加强防御AI攻击的工具，要开源、可审查、可修改。
针对此前OpenAI引发的全球首例AI自主攻击事件，OSAA开宗明义：「人工智能安全只有在行业以开放、合作的方式进行构建时才能取得进步。我们正在与行业领导者共同推出开放安全人工智能联盟，以开发新技术和工具来保护软件和代理。通过公开分享模型、工具和研究成果，我们可以扩大防御者群体。」
有意思的是，透过这两份名单，可以看到一个走向分歧的硅谷生态。
最明显的是被孤立的Anthropic，它拒绝署名，也不参加OSAA，沦为众矢之的。
面对外界指责Anthropic主张封禁开源模型，是为了保护自身利益，达里奥·阿莫迪在27日公开回应称，他从未主张禁止开源模型，他的担忧在于国家安全以及AI可能会被用于发动网络攻击和生物攻击。
站在整个行业的对立面，阿莫迪给出的三个替代方案。
第二个阵营，则是OpenAI和谷歌，它们署名支持开源，但加入时间很晚，并且没有加入OSAA。
原因不难理解，OpenAI 的模型自主发现漏洞、逃离沙盒环境，最终利用窃取的凭证和其他漏洞入侵了 Hugging Face 的生产服务器，它是肇事者，事故善后还没有结束，很难加入到 OSAA 中，而谷歌愿意加入公开信署名，是因为它的 Gemma 开源产品线，必须依靠开源模型的支持。
第三个阵营，则是英伟达、微软、IBM、Palantir这些大公司，它们都是开源大模型的受益人，不论是芯片还是云服务，开源生态越大则收入越高，所以它们既支持开源政策，又愿意加入OSAA工程共建安全工具。
这种分化的核心原因，还是因为利益。
《连线》杂志指出，「一切驱动力终究是商业利益。开放权重复刻了互联网时代‘快速试错、大胆颠覆’的开源精神，只是如今这套逻辑多了一层限定：要用精细化管控手段消化技术风险。初创企业依靠开源快速扩张，风险后置；而手握闭源模型的头部AI实验室与云厂商，只要守住技术壁垒、维持行业主导权，就能坐享行业红利。」
此外，K3在开源模型智能水平上又一次逼近了顶级闭源模型，这让美国科技公司陷入恐慌，因为其运行任务的成本远远低于顶尖的闭源模型。
华尔街日报认为，人工智能成本降低的时代已经到来，并将持续下去，硅谷的公司在选择模型时会货比三家，力求最优报价，人工智能客户支持平台Pylon的首席执行官马蒂·考萨斯甚至认为，「我看不到任何的忠诚度，现在的情况简直就像一场屠杀。」
「降本增效」也正在成为硅谷的风潮，微软已经考虑在其平台上部署中国模型，而被SpaceX收购的AI编程公司Cursor同样用多种模型混合编程，此外也开始限制新员工使用顶级模型，而且使用最先进的人工智能系统来规划如何完成任务，然后再使用更便宜的模型来执行。
终极赢家还是英伟达？
英伟达依然是 AI 世界的领导者，Kimi 发布K3开源报告后，紧接着 The Information 报道，月之暗面正在寻求获得更多英伟达公司先进的 Blackwell 芯片，以训练其下一代模型 Kimi K4。
而此前外界传闻，月之暗面计划于8月启动上市前最后一轮融资谈判，目标估值高达500亿美元，最快可能于今年内登陆香港资本市场。
所以，把Kimi发布最强模型K3和黄仁勋的一连串动作联系起来看，模型厂商掀起的风浪越大，最受益的还是英伟达。
「市场第一次误解了DeepSeek的影响，这次又误解了Kimi的影响。」黄仁勋在近期的访谈中说，他认为DeepSeek、Kimi这样优秀的大模型对整个行业大有裨益，技术将扩散到更多行业。优秀的模型带来广泛的使用，广泛的使用带来巨大的增长。这就是最基本的出发点。
至于开源模型会对闭源模型构成威胁，黄仁勋同样反驳，最有可能升级使用像Anthropic和OpenAI这类优秀模型的人，是那些已经在使用AI、并希望更便捷地获得服务的人，他呼吁行业要做的是，确保AI技术尽快渗透到各行各业，让尽可能多的人尽快使用它。
「开源模型、极其便宜的模型、低门槛尝试AI的入口，这是我们能做的最好的事情。」黄仁勋说。
所以，压力给到了 OpenAI 和 Anthropic 这些头部模型厂商，英伟达借助 Kimi K3 迅猛势头，发起了开源政策呼吁和 AI 安全联盟，本质上是在巩固自身主导的 AI 产业格局，在这个秩序中，一切风浪都有合理性，只要风浪发生在自己的海域上。
正如《金融时报》认为，美国头部前沿AI公司必须加速转型：不再单纯售卖基础模型算力，而是将模型封装为智能体，承接附加值更高的复杂业务任务。
这套商业化路径在代码开发领域已经跑通，但 Kimi K3 这类开源模型正在该赛道快速追赶，倒逼头部实验室持续挖掘全新落地场景。
更重要的是，日趋激烈的行业竞争，也让前沿实验室必须加快贴近终端客户的步伐：依托用户数据与行业业务场景优化模型适配度，同时将模型深度嵌入客户现有工作流。
这也是眼下最紧要的问题，摆在Anthropic与OpenAI面前的核心难题是：二者能否赶在规模庞大的IPO前，拿出这套转型策略切实落地的亮眼成果？