2.8 萬億參數說送就送，月之暗面這筆賬怎麼算的？

七月二十七日晚間，月之暗面（Moonshot AI）正式將Kimi K3的完整模型權重公開上傳至Hugging Face、GitHub及ModelScope。這款擁有2.8萬億參數的模型，是全球首個逼近三萬億門檻的開放權重模型，任何人皆可免費下載、部署於本地環境或進行二次開發。 就在十天前，馬斯克才在K3的評測報導下留言「Impressive」，隨後旋即宣布xAI的兩萬億參數新模型即將完成初步訓練，「可能超越Kimi」。Kimi官方僅回覆一句「歡迎馬斯克加入2萬億俱樂部」，接著便直接拆了俱樂部大門——當對手還在較量參數規模，月之暗面已把最大規格的模型免費送出。 這顯然不是單純的開源情懷。回顧月之暗面過去一個月的商業動態：六月中旬年度經常性收入（ARR）突破三億美元，其中API收入占比超過七成；七月十九日暫停C端新用戶訂閱；上一輪以兩百億美元估值完成的融資剛交割，新一輪投前估值已喊到三百一十五億美元。仔細的開發者還發現，在Hugging Face上約1.56TB的模型檔案旁，一份僅3.07KB的許可證透露了更多商業盤算。 根據Kimi K3的授權條款，若一家企業經營「模型即服務」（MaaS）業務，且該企業及其關聯方在任意連續十二個月內的合計收入超過兩千萬美元，則在將K3或其衍生模型用於商業目的之前，必須與月之暗面另行簽署協議。這份許可證將K3的討論從技術規格拉回了商業本質。 開放模型長期存在一個尷尬：研發成本由模型公司承擔，雲端服務商卻可能拿走後續營收。若採用MIT授權，雲端廠商可直接下載模型、優化推理、包裝成API，再憑藉既有客戶、算力與銷售渠道收費。模型公司獲得下載量與業界聲量，客戶關係、調用數據與帳單卻留在雲端平台。模型迭代越快，實驗室越容易淪為雲端廠商的上游研發部門。K3的授權條款中明確界定「模型即服務」是指允許第三方對輸入、參數或訓練數據進行實質性控制的服務；將K3能力嵌入自家產品的特定功能，或單純轉發請求至其他平台，則不在此限。換言之，月之暗面並未阻擋一般研發者與多數企業用戶，而是針對下載權重後封裝成API、以自有品牌與定價對外銷售推理服務的雲端廠商與推理平台設下門檻。 海外已有分析人士將此策略與十年前MongoDB、Confluent的經歷相提並論。當年這兩家公司先以寬鬆授權擴大採用規模，等到亞馬遜等雲端廠商將其開源資料庫直接包裝成收費服務，原開發商卻無法抽成，才被迫轉向限制轉售的SSPL、BSL授權。如今K3面對相似的商業挑戰，卻選擇了更溫和的法律路徑：不直接禁止MaaS轉售，而是要求達收入門檻的經營者另行簽約。開放模型產業已從「比誰先開源」「比誰開源得徹底」，進入「比誰能從開放生態中取回定價權」的階段。值得注意的是，同樣在七月釋出權重，智譜GLM-5.2與DeepSeek V4 Pro仍採用乾淨的MIT協議，未加入任何轉售門檻。 若回歸模型本身，K3、DeepSeek、GLM與千問已走上四條不同路線。K3走「大而全」路線：2.8萬億總參數、一百萬token上下文與原生視覺理解能力，官方演示中可從零編寫GPU編譯器、參與晶片設計或生成3D開放世界遊戲；但每百萬token輸入3美元、輸出15美元，單任務平均成本約0.94美元，是四者中最貴。DeepSeek V4 Pro則走相反路徑：總參數1.6萬億，激活參數壓至約490億，輸入與輸出價格分別為0.435美元與0.87美元，單任務成本約0.04美元，並引入峰谷定價，尖峰時段翻倍收費，離峰使用可省一半。智譜GLM-5.2選擇第三條路：採用升級版DeepSeek Sparse Attention，將百萬token上下文的推理開銷壓到通用硬體可承受範圍，單token激活參數約四百億，首字延遲為三者中最短，輸入與輸出價格分別為1.4美元與4.4美元，落於K3與DeepSeek之間，重點爭取編碼與Agent場景的響應速度。阿里巴巴的千問則不追求單點極致，而是追求覆蓋面：支援上百種語言與更完整的多模態能力，更像一套面向企業客戶的通用底座。K3發布三天後，阿里預告Qwen3.8-Max，參數規模2.4萬億，同樣將開放權重。過去一年，開源模型的規模天花板有九個月由Kimi維持，如今旗艦級開放權重已成為中國大模型廠商的標配動作，四條路線無法再用單一維度排座次，「卷參數」正轉向「卷場景」。 更令市場矚目的是跑分與價格的綜合對比。第三方評測機構Artificial Analysis的智能指數榜單上，K3拿下約57分，僅次於Claude Fable 5（約60分）與GPT-5.6 Sol（約59分），Claude Opus 4.8則以約56分緊隨其後。這是首次有開放權重模型將成績拉近至與頂級閉源模型相差兩三分的位置。在Arena前端代碼榜單上，K3上線24小時內衝到第一，超越Claude Fable 5，較前一代進步十七個名次。更關鍵的是，這些接近世界頂尖的成績對應的價格明顯低於多數閉源旗艦：K3單任務平均成本約0.94美元，約為Claude Opus 4.8的一半。若閉源模型的溢價建立在「只有我們能做到這個水平」之上，那麼當開放權重模型將差距壓縮到兩三分，價格卻只有一半左右，這套溢價邏輯便迅速失去說服力。微軟CEO納德拉曾稱此為「反向信息悖論」：買閉源模型等於付了兩次錢，一次付帳單，一次把自己餵給模型的業務知識也送了出去。今年一月紐約法院要求OpenAI交出兩千萬條脫敏用戶對話，更讓企業意識到數據在別人伺服器上便難以掌控，而K3提供的正是「數據不出牆」的選項。 開放權重在此一陣營中已不稀奇，DeepSeek、GLM與千問的旗艦模型早已掛上Hugging Face。K3此番真正帶來新鮮感的反而是權重之外的部分。月之暗面將其快取實作貢獻給vLLM專案，改變了傳統的前綴快取機制；權重上線當天，vLLM與SGLang兩大主流推理引擎同步提供部署方案，AMD團隊完成MI355X晶片的首日適配，雲端平台Modal上線K3託管服務，Inferact則訓練並開源了適配K3的DSpark投機解碼器。vLLM給出的最簡部署配置是八張NVIDIA B300或八張AMD MI355X，皆為尚未大規模鋪貨的頂級資料中心晶片，所需算力遠非個人開發者所能觸及。月之暗面想爭取的不只是「模型更大」的頭條，更希望在推理框架與部署工具鏈中占據位置。權重誰都能開放，但若開發者使用的服務方案、快取實作與投機解碼器都圍繞特定架構開發，更換模型的成本便不只是「換一個檔案」那麼簡單。授權條款中「經由認證推理夥伴使用可豁免轉售條款」的設計，又給了月之暗面一個開關：誰能進入這套生態、誰需要坐下來談判，可由其篩選。放出權重是一次性動作，嵌入工具鏈才能真正留住開發者。 然而自訂規則也有代價。大型企業選擇開放模型時，看重的不只是能力與成本，還包括授權條款的簡單與穩定。MIT與Apache 2.0之所以受歡迎，正因為法務部門容易判斷使用邊界。K3增加了收入門檻、關聯方口徑、MaaS定義與認證夥伴等條件，企業部署前須投入更多合規審查。若GLM、DeepSeek或千問推出能力相近、授權卻更簡單的替代品，平台完全可能繞過K3。開放模型原本就有較低的切換成本，一次發布帶來的技術領先很難長期支撐一套自訂規則。據傳K3.1已在路上，最快下個月就會發布，「開源—驗證—迭代」這套打法可能才剛開始接受市場考驗。