7月21日下午，北京海淀知春路，月之暗面的总部会议室里，摇滚风格的装修透着一股硬核劲儿。正是在这里，Kimi K3发布后，企业业务负责人黄震昕首次公开接受了媒体采访。
月之暗面企业业务负责人黄震昕回答记者提问。罗亦丹 摄
K3的参数量达到了2.8万亿，这一参数规模意味着什么？目前，在全球开源权重模型中，它稳居第一，无可匹敌。在多个权威榜单上，K3均斩获头名，连马斯克都在评测报道的评论区留言，称赞其“令人印象深刻”，并放话后续将推出2万亿参数的模型，声称“可能超越Kimi”。然而，K3的受欢迎程度远超预期，以至于7月19日月之暗面不得不暂停C端新用户订阅——用户需求的猛烈程度直接冲垮了原有的算力预期。
面对算力告急的现状，黄震昕坦言：“K3过于火爆，我们其实已经做了预案，但用户热情实在难以抵挡。有人说这和去年的‘DeepSeek时刻’如出一辙，最终我们选择优先保证老客户的体验。”至于马斯克发起的“挑战”，他笑着回应：“可能这次的表现让他们感受到了一些震撼。现在让我们拭目以待，希望他们能够出来与我们一较高下。我们的很多技术都已经开源给了全世界，我们也不担心技术会马上被别人学走。拥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正式发布。消息传开后的48小时内，全球开发者的请求蜂拥而至，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发布说明，直言“收获了远超预期的支持，但也面临始料未及的算力挑战”，随即暂停了C端新用户订阅服务。
“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。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而牺牲存量用户的使用体验”。与此同时，团队正通过两条路径缓解矛盾——持续优化模型效能，并快速扩容算力供给。
这种“幸福的烦恼”其实早有征兆。K3的核心支撑技术之一“Attention Residuals”（注意力残差），早在2026年3月就以技术报告形式开源，该技术能使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，行业内的反响相当剧烈。在业内被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。而上一代K2.6在同一榜单上仅排第18位——一代之间，跃升了17个位次。Vercel的CEO Guillermo Rauch发帖称，K3在Next.js最新综合Web工程基准评测中领先Fable，“这是开源模型首次在该综合Web工程评测上全面超越闭源模型。”
与DeepSeek-R1推出后英伟达股价一度大跌类似，K3也影响了美股表现。美东时间7月17日，CNBC报道称，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月之后的新低，而导火索正是“中国月之暗面发布全新AI大模型”。
对于K3在全球的影响力，黄震昕表示：“我们在全球市场上真正做出了SOTA级别的模型，定价也并非追求低价。我们摆脱了‘开源模型就是要做便宜、低价的’这种固有印象。”
“模型公司一定要做模型”
面对用户的热情与海外的广泛关注，Kimi反而显得颇为低调。
“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——这并非空洞口号，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。
当前，越来越多的AI企业开始聚焦落地应用和智能体（Agent），而月之暗面却一直保持着对基础模型的执着。“模型公司一定要做模型。”黄震昕强调。
基础模型的强度是所有上层应用的前提。智能体、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。只有持续打磨出最强模型，才能构建起长期的竞争壁垒。
这种执着在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提升了约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。
月之暗面的解法并非简单的工程效率优化，而是底层架构上的创新。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这种新型优化器，大幅提升了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的头部AI企业，核心发力点是打磨模型基础能力。他也明确了行业参数规模趋势：Kimi的大模型参数规模会持续向上拓展，不会止步于当前的2.8万亿。
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其赢得了开发者生态的初步认可。在多项评测中，它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展示了强大的长程工程能力——在计算天体物理“I-Love-Q”普适关系复现任务中，K3仅用约两小时就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远不止于此。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之前就已经率先推出。“我们还是希望从产品驱动，然后设计不同的商业模式，打造出极具竞争力的产品。”
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。
