7 月 21 日下午，北京海淀知春路月之暗面总部，在一个充满摇滚风格的会议室里，月之暗面企业业务负责人黄震昕接受了新京报贝壳财经记者的采访，这也是 Kimi K3 大模型发布后 Kimi 首次公开接受媒体采访。
K3 大模型参数量达 2.8 万亿，是目前全球参数规模最大的开源权重模型，在多个权威榜单上拿到第一，受到了国际上的广泛关注。连马斯克都在 K3 评测报道的评论区留言称 " 令人印象深刻 "，并表示后续将推出 2 万亿参数的模型 " 可能超越 Kimi"。K3 的火爆程度也导致需求量激增，7 月 19 日，月之暗面暂停了 C 端新用户订阅。
对于算力紧缺的现状以及未来企业的发展。黄震昕坦言 "K3 过于火爆，我们其实已经做了预案，但挡不住用户热情，有人说这和去年的‘ DeepSeek 时刻’一样，最后我们选择优先保证老客户的体验。"
而对于马斯克的 " 挑战 "，黄震昕笑言，可能这次的表现（让他们）得到一点震撼的感觉，现在拭目以待，希望他们出来跟我们掰一掰手腕，" 我们的技术有很多都开源给了全世界，我们也不担心技术会马上被别人学走，我们有这样的胸襟和气度，希望马斯克也能做出 2 万亿的模型，我们一起共同进步。"
" 其实已经做了比较充分的准备，但挡不住用户热情 "
7 月 17 日凌晨，Kimi K3 正式对外发布。消息传开后的 48 小时内，全球开发者的使用请求涌入了月之暗面的服务器，远超团队此前的预估，用户量迅速逼近现有算力集群的承载极限。7 月 19 日晚间，Kimi 官方发布说明称 " 收获了远超预期的支持，但也面临始料未及的算力挑战 "，随即暂停 C 端新用户订阅。
" 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。" 黄震昕在采访中坦言。他表示，目前公司的优先级是保障存量付费用户的使用体验，" 不愿为了扩大用户规模牺牲存量用户体验 "。与此同时，团队正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。
这种 " 幸福的烦恼 " 并非没有先兆。K3 的技术实力在发布前就已引起业内关注。其核心支撑技术之一 "Attention Residuals"（注意力残差）早在 2026 年 3 月就以技术报告形式开源，该技术方案可让模型训练与推理效率提升 25%。马斯克当时就在社交媒体上公开称赞，评价其为 " 非常令人印象深刻的工作 "。
当 K3 的完整性能数据在发布后揭晓，行业反应剧烈。在被业内视为最贴近真实工程开发的编程 " 金标准 "Frontend Code Arena 榜单上，K3 以 1679 分登顶。K3 的上一代模型 K2.6 在同一榜单上排第 18 位，一代之间跃升 17 个位次。Vercel 的 CEO Guillermo Rauch 发帖称，K3 在 Next.js 官方综合 Web 工程基准（nextjs.org/evals）评测中领先 Fable，" 这是开源模型首次在该综合 Web 工程评测上全面超过闭源模型。"
和 DeepSeek-R1 推出后英伟达一度大跌类似，K3 也影响到了美股表现，美东时间 7 月 17 日，CNBC 报道美股半导体板块走出今年以来最差单周行情，跌幅创下 2025 年 4 月之后新低，而导火索是 " 中国月之暗面发布全新 AI 大模型。"
对于 K3 在全球的影响，黄震昕表示，" 我们在全球市场上真正做出了 SOTA 级别的模型，定价不是朝便宜去定的，我们也摆脱了‘开源模型就是要做便宜的、低价的’这样的印象。"
" 模型公司一定要做模型 "
面对用户的热情与海外广受关注的表现，Kimi 显得颇为低调。
" 不做高性价比的标准化业务，而是聚焦‘难而正确’的前沿探索。" 黄震昕这样解释公司的核心理念。如同登月一般，一旦实现突破，将为全人类创造巨大价值——这并非一句口号，而是贯穿在月之暗面从技术研发到商业布局的每一个决策之中。
在当前，越来越多的 AI 企业开始聚焦落地和 Agent 时，月之暗面却一直保有对基础模型的执念，" 模型公司一定要做模型。" 黄震昕说。
基础模型的强度是所有上层应用的前提，Agent、C 端产品、行业解决方案都是模型能力提升到一定阶段后的自然产物。只有持续打磨最强模型，才能构建长期竞争壁垒。
这种执念在 K3 身上得到了集中体现。根据月之暗面公布的技术文档，K3 基于月之暗面自研的 KDA 混合线性注意力机制和 Attention Residuals 技术构建，采用 MoE（混合专家）架构，在 896 个专家中高效激活 16 个，扩展效率较前代 K2 提升约 2.5 倍。更关键的是，月之暗面是 Scaling Law（缩放定律）的坚定信仰者——模型参数量、训练数据量、计算量三者同步提升，模型性能就会持续增强——但传统 Scaling Law 面临指数级成本的硬约束：算力投入扩大 100 倍，模型性能仅提升 10 倍。
月之暗面的解法不是简单的工程效率优化，而是底层架构创新。
黄震昕透露，过去 8 到 11 年间，大模型领域的三大核心基础技术从未出现本质迭代，而公司在 2025 至 2026 年完成了对这三项底层技术的突破，这也是 K3 能够实现 SOTA 性能的核心支撑。其中，Moon Clip 二阶优化器是行业首次在万亿级大模型训练中应用该新型优化器，大幅提升 Token 效率，可让 20TB 训练数据发挥出相当于 40TB 的效果。K2 系列曾在过去 12 个月中保持 9 个月的参数量领先，K3 也将在参数量与性能上保持一段时间的领先优势。
黄震昕告诉记者，Kimi 现阶段暂不提供私有化部署服务，商业模式对标海外成熟头部 AI 企业，核心发力打磨模型基础能力，他也明确了行业参数规模趋势，表示 Kimi 的大模型参数规模会持续向上拓展，不会止步于当前 2.8 万亿规模。
Kimi 的 " 审美 "：不做娱乐性场景，聚焦生产力
技术突破只是起点，商业化落地才是检验模型价值的关键。
K3 在编程能力上的表现已经为它赢得了开发者生态的初步认可，其在多项评测中展现出与顶级闭源模型抗衡的实力。在 Program Bench 评测中，K3 得分 77.8，以 0.2 分的微弱优势超过 GPT-5.6 Sol 的 77.6；在 FrontierSWE 上得分 81.2，大幅领先 GPT-5.6 Sol 的 71.3，但次于 Fable 5 的 86.6。在实际应用中，K3 展示了长程工程能力——在计算天体物理 "I-Love-Q" 普适关系复现任务中，K3 用约两小时完成了通常需要资深研究人员一到两周才能完成的工作。
但月之暗面的商业化视野不止于此。黄震昕在采访中透露，公司即将推出 Kimi Hosted Agent 企业级服务，开放 Agent 编排调度（Harness）能力，将沙箱环境与智能体调度框架整合为标准化平台，向企业客户提供 PPT 生成等场景的 API 接口，支持嵌入企业内部系统，可自定义内容风格，适配投研分析、内容生产、办公自动化等多元场景。
谈及与海外头部模型公司的竞争，黄震昕表示，全球模型公司在商业化方面已找到一条可行路径，Kimi 在产品创新上持续投入，包括 AgentSwarm 路由在行业做 Agent 之前就已经做出来。" 我们还是希望从产品驱动，然后设计不同的商业模式，打造出非常有竞争力的产品。"
黄震昕在采访中强调了 Kimi 一贯的 " 产品审美 "，" 我们不会做娱乐性的场景，也不做生图、生视频，我们一直的定位就是生产力场景，包括编程、金融、法律、科学研究等领域，这就是我们的审美，我们会一直按照这个价值观去努力奋斗。"
在北京，从海淀知春路到清华校门口，短短一段路程聚集了智谱、Kimi 等多家国内头部 AI 企业。黄震昕说，这里的产业集聚并非偶然—— " 人才密度高、政策支持完善，端一杯咖啡就能找到对应领域的专业人才 "。这片被业内称为中国 AI" 卧龙池 " 的土地上，蛰伏的故事远不止一个。而 K3 的全球爆火和随之而来的算力告急，或许只是月之暗面 " 登月计划 " 的一个阶段性注脚。
新京报贝壳财经首席记者 罗亦丹
视频 罗亦丹 陈蜜蜜 实习生 彭紫桐
编辑 杨娟娟
校对 杨利
