“K3性能卓越，其能力并非简单源于‘蒸馏美国模型’。”

这是OpenAI战略前瞻负责人迪恩·鲍尔对Kimi K3的评估。

但在同一篇长文中，他随即探讨了美国政府如何能让企业不敢使用中国的开放权重模型。

“并不需要禁止开源。只需指示各机构，发布那些制造恐惧、不确定性和怀疑的软性法规。”

他甚至写道，相关判断“不必有特别充分的依据”。

两天前，中国初创公司月之暗面发布了Kimi K3。这款拥有2.8万亿参数的模型登顶Arena前端代码竞技场榜首，并在Vals AI和Artificial Analysis等第三方榜单中跻身全球前三。其整体能力虽仍落后于Claude Fable 5和GPT-5.6 Sol，但已稳固占据全球前沿模型的第一梯队位置。

这意味着，K3参与竞争不仅依靠低价和开放权重，它开始对闭源模型的价格体系与市场份额构成更直接的压力。

批评声浪迅速蔓延

鲍尔的长文发布后，讨论焦点迅速从K3的技术能力转向美国是否可能通过监管手段限制中国的开放权重模型。

最先开火的是戴维·萨克斯。他曾担任特朗普政府首任AI与加密货币政策最高负责人，现为总统科技顾问委员会联合主席。

“无论他是在描述策略还是进行预测，利用制造监管不确定性作为竞争工具，是完全不可接受的。”

萨克斯还补充了一句更严厉的评论：“AI模型收入已形成闭源双头垄断。他们希望政府消灭自己的开源竞争对手。”

“他们已经把牌摊在桌上了。硅谷那些仍然重视开放竞争的人，是时候也摊牌了。”

他所说的“双头”，正是指OpenAI和Anthropic。

风投人查马斯·帕利哈皮蒂亚的回应更为直白：“未来属于开源。接受它，继续前进。”

软件工程师苏海尔·多希将话题拉回原点：“美国AI实验室的产品是用全人类的数据训练出来的，而且未支付任何费用。任何以‘蒸馏’为名叫停开源模型的游说或立法，都是在打击未来的美国创新。”

争议扩大后，鲍尔当晚发布了澄清帖：他声称自己是在预测政府可能采取的行动，而非倡议照此执行。他个人支持开源，直到AI变得过于危险的那一天——他表示那将是一个“悲伤的日子”。

然而，澄清并未消除质疑。

真正触发反弹的，并非“建议”与“预测”的区别，而是他描述那套做法时所使用的措辞。

“不必有特别充分的依据。”

不论主语是谁，当AI行业内部人士公开描述一种无需充分证据的监管策略时，批评者担忧的是：规则可能被刻意模糊，只要最终达到排斥竞争者的效果。

这也正是为何不少批评者认为，这种思路带有明显的“监管俘获”色彩——监管机构在行业内部人士的建议下，设计出有利于现有企业的规则。

值得补充的是：鲍尔描述的那些工具并非他凭空创造。Axios的后续报道显示，美国政府在K3发布前就已讨论过实体清单、行业安全警告和模型托管责任等方案。鲍尔的帖子更像是将既有政策选项公开说透，而非单独发明了一套新路线。

真正引发讨论的，也正是这套表述本身。

登顶榜首，但代价不菲

K3究竟做了什么，让一位OpenAI高管觉得有必要公开讨论政府该如何应对它？

根据官方公布的信息：2.8万亿参数，混合专家架构，896个专家中每次激活16个，并搭载自研Delta注意力机制与注意力残差架构。按月之暗面的说法，新架构与训练配方使K3相较上一代K2的“整体规模效率”提升了约2.5倍。

请注意措辞。“规模效率”并非训练速度，2.5倍是公司内部口径。完整技术报告将与模型权重一同发布。

关键时间节点在此：月之暗面承诺在7月27日前发布完整权重。截至7月21日，官方权重尚未公布，用户尚无法通过正式渠道自行下载部署。即便权重开放，2.8万亿参数模型的本地部署也需要极高的硬件条件。

在第三方评测中，K3的前端代码能力在Arena榜单中排名第一，综合能力在Vals AI指数的38个模型中位列第二，Artificial Analysis在7月17日发布的快照中将其列为第三。这些榜单各有侧重，题型、采样和排名更新时间不同，不能合并为“全面追平”的结论。但一家中国初创公司在多个维度进入第一梯队，本身就是一个重要信号。

接下来看短板。

K3的token消耗量很大。一位开发者尝试让模型画一只骑自行车的鹈鹕，95个输入token换来了16658个输出token，其中13241个是思考token。“这只鹈鹕花了我25美分。”

其运行成本也不低。Arena联合创始人评估，K3的推理成本与Anthropic的Claude Sonnet系列相当，明显低于Fable 5，但远高于此前的中国开源模型。由于托管服务需求接近算力上限，月之暗面一度暂停了K3的新订阅，但API仍可正常使用。

一位署名Jukan的Citrini Research分析师在X上写道：中国公司可能缺乏足够算力来满足全部推理需求，但它们并非在亏本销售，也没有无法收回训练成本。暂停订阅不等于倾销，恰恰说明需求已超出供给能力。

这些短板并不意味着“K3不够好”，反而让一个问题更加突出：在资源如此受限的情况下，月之暗面是如何做到的？

一位曾到访北京办公室的美国人

内森·兰伯特曾到访月之暗面的北京办公室。

他是艾伦人工智能研究所的前高级研究科学家，运营着AI通讯Interconnects。K3发布后，他撰写了一篇万字长文。

其中有一段话被反复引用。

“我访问中国时见到了Kimi的核心团队。他们的文化中蕴含着一种你走进办公室便能立刻感受到的东西，有人称之为气场，以及一种表达这种气场的自由。我去过许多AI公司，极少有能让你在瞬间感受到这种特质的。”

他还记录了一个细节。当他随口提到，OpenAI一个普通研究员可能调用数千块H100级别GPU时，Kimi的研究员露出了惊讶的表情。

兰伯特的结论是：中国实验室的资本效率远高于美国同行。“在一个按规模法则运行的世界里，智能与有效资本成正比，而资本购买算力、数据和人才，这可能是你的AI产业所能拥有的最大优势。”

但他也谨慎地补充了限定条件。中国研究人员薪酬更低、推理需求此前相对有限、训练算力分配方式不同，这些因素都可能部分解释效率优势。但他强调，这些因素都难以精确测量，不能据此推算K3的完整训练资源。

“许多结果都是可能的，”他写道，“K3应当提高大多数人对‘中国可能在近期直接领先AI能力’这一概率的估计，即便它并非你最可能的结果。”

他说的并非“中国已经赢了”。

他说的是：别再假设美国一定会赢。

一个减速，一个加速

鲍尔的长文中有一个判断值得认真对待。

“开放权重模型在经济意义上属于天生减速主义，它压低前沿模型的利润空间，减少可再投资的资本，从而减缓下一代最强模型的研发速度。”

如果衡量的标准是闭源实验室继续投入巨额资本、推动模型能力前沿的速度，这个判断有一定道理。但它只说了一半。

兰伯特在自己的文章中拆解了这个判断：开放权重模型对前沿实验室的经济回报而言是减速的，但对AI在整体经济中的扩散是加速的——它降低了获取一定水平智能的门槛，使几乎任何企业都能用开源模型定制领域专用的智能体。

“一个减速，一个加速。”兰伯特写道。这取决于你站在谁的立场上。

因此，当鲍尔说“开源是减速主义”时，如果只衡量闭源头部实验室继续加码资本投入的速度，这一判断并非毫无根据。但在批评者看来，鲍尔的问题在于，他容易将“对头部闭源实验室的资本投入不利”进一步推演成“对整个AI发展不利”，而这一步推演，恰恰是争议的焦点。

有人视之为蓄意为之，有人视之为视角局限。无论是哪种，萨克斯的回应替更多人表达了心声：“他们已经把牌摊在桌上了。”

兰伯特在万字长文中将这个问题向前推进了一步。

鲍尔说开源是减速主义，因为它压低前沿实验室的利润空间，减少可再投资的资本，减缓下一代最强模型的研发。兰伯特承认这个逻辑链条在经济上成立。但他追问了一句：然后呢？

减速，就一定不好吗？

他的核心观点是：开放权重模型略微滞后于闭源前沿，K3追到了3到5个月，这个时间差本身具有价值。它为社会争取到了一个天然的观察窗口：在新能力被广泛扩散之前，先看清楚它到底是什么、能做什么、边界在哪里。

“如果开放权重模型落后前沿3个月、6个月或9个月，那仍然是一个非常短的时间窗口。我们真正需要做的不是试图消灭这个窗口——开放模型终将跨越所有关键能力门槛，无论是否合法——而是在窗口期内建立评估和应对真正风险的能力。”

换句话说，与其一味封堵，更重要的是尽快建立评估体系。

这也是鲍尔与萨克斯争论的焦点。鲍尔强调的是，开放模型与前沿能力的差距缩短后，风险评估窗口正不断收窄；萨克斯担心的则是，站在“墙内”的公司会借安全之名抬高竞争门槛。兰伯特提供了第三种思路：围墙能否守住并非唯一问题，更重要的是在开放模型跨过关键能力门槛前，建立起相应的评估和应对机制。

修筑围墙的人

比尔·格利在《华盛顿邮报》上发表了一篇评论。他是硅谷最著名的风险投资家之一，P3研究所的创始人。

他的论点简洁明了：开源是一种商业策略，经济学家迈克尔·波特称之为“成本领先”，在软件行业有着三十年的成功记录。

Red Hat通过免费软件建立了一家市值可观的公司。2019年，它以340亿美元卖给了IBM。

谷歌免费提供了Android和Kubernetes。没有收费，没有限制。

微软曾称开源为“癌症”。如今它拥有GitHub。

“那些现在把开源模型称为危险的人，”格利写道，“自己的公司每天都在依赖开源代码运行。”

随后，他提出了一个更尖锐的问题。

如果这些AI公司真的如他们自称的那样，增长最快、利润最高、模型遥遥领先，那么为什么还需要政府帮忙挡住竞争对手？

一家正在跑赢未来的公司，并不需要华盛顿来绊倒追赶者。

这并不意味安全担忧是虚假的。Transformer编辑沙基尔·哈希姆的评估是：K3“很可能不具备危险的网络攻击能力”。兰伯特在万字长文的结论部分也坦率写道：当模型变得足够强大时，开源的风险将是真实的。“问题不在于今天的风险是否被夸大，而在于当真正的风险出现时，我们是否已经建立了评估和应对的能力。”

安全是真实的，商业也是真实的。

真正值得追问的，不是“这是安全还是商业”，而是当缺乏具体能力评估的安全警告可以直接变成市场准入工具时，那堵墙究竟在替谁加固优势。

鲍尔说，他并非在建议，而是在预测。但不论主语是谁，行业内部人士将“不必有特别充分的依据”纳入可行的政策描述，本身已足以引发质疑。

那道围墙最直接保护的，往往正是已经站在墙内的那家既有公司。