K3爆火背后：一场由RL Scaling驱动的技术跃迁

K3发布48小时：算力告急，会员暂停，全球震动

K3发布后的短短48小时内，全球AI社区迅速聚焦。这款被广泛称为当前最强开源模型的系统，引发前所未有的访问洪峰。Kimi官方于7月19日深夜发布公告，坦承K3请求量远超预期，已逼近现有算力集群承载极限。为保障存量用户服务质量，即日起暂停C端新用户会员订阅，并将会员体系拆分为「Kimi主权益」与「Kimi Code权益」两部分，实现算力资源更精细化调度。

从数学验算到视觉闭环：RL Scaling的两年落地

K3并非横空出世。其技术源头可追溯至2024年杨植麟团队内部验证的K0-Math模型。该模型首次实践了“强化学习式缩放”（RL Scaling）范式——不再依赖海量数据的next-token预测，而是让模型自主解题、自我打分、迭代修正，形成闭环学习机制。K0-Math在数学推理任务上已超越OpenAI当时最强的o1模型。 K3正是RL Scaling首次规模化应用于全模态场景的成果。技术报告中提出的“视觉闭环”（Vision in the Loop），本质是将K0-Math的反思-修正能力，扩展至带视觉反馈的复杂任务流：写代码→运行查看效果→识别偏差→自动修复→再验证。它能从零生成一个基于Three.js与WebGPU的3D开放世界游戏，包含程序化地形、动态光影与交互逻辑；也能自主完成视频剪辑全流程——从56段原始素材中筛选镜头、匹配动作节奏、帧级对齐节拍、处理音频并多轮优化，实现精确到24fps中单帧的“咚”点同步。

参数与效率：2.8万亿不是负担，而是新起点

K3是全球首个开源的3万亿级模型，参数达2.8万亿。但传统大模型推理成本随参数爆炸式增长的规律，在K3身上被打破。其核心KDA（Kimi Delta Attention）混合线性注意力机制，使百万token长文本解码速度提升6.3倍；配合Attention Residuals技术，训练效率提升约25%，额外开销不足2%。这种结构创新，让超大规模模型首次具备实际工程部署可行性。

性能坐标：第三名，但不止于分数

第三方评测机构Artificial Analysis发布的AI智能指数显示，K3得分为57分，位列全球第三，仅次于Claude Fable 5（60分）与GPT-5.6 Sol（59分）。更值得关注的是性价比：单任务平均成本0.94美元，仅为Claude Opus 4.8（1.80美元）的一半，与GPT-5.6 Sol（1.04美元）基本持平。 细分能力上，K3在Terminal Bench 2.1中以88.3分紧追GPT-5.6 Sol（88.8分），但在高复杂度长程工程基准DeepSWE中（67.5分 vs 73.0分）和高精度视觉理解Zerobench中（41.0分 vs 46.0分）仍存差距。这反映出其强项在于快速响应、多步协同与跨模态执行，而Fable 5在深度推理链稳定性、模糊意图澄清与安全护栏设计上更具优势。

现实约束：两个关键瓶颈

K3在技术报告中坦率指出两项部署级限制：一是高度依赖完整思考历史传递，若会话中断或框架切换（如从Claude Code迁移至Hermes Agent），输出质量显著下降；二是存在“任务模糊时过度主动”的倾向——模型倾向于直接决策而非确认意图，这在创意场景中是加速器，在严谨工程流程中则可能放大错误。 此外，测评发现K3幻觉率较前代K2.6有所上升。在AA-Omniscience测试中，“一本正经胡说八道”的发生频率提高。对定位长程编程与知识工作的模型而言，这意味着单点幻觉可能引发整条自动化链路崩溃。相较之下，Fable 5依托宪法式AI（Constitutional AI）架构，通过显式推理链披露、不确定性声明与保守决策机制，大幅压低幻觉风险。

创业选择：不是离开美国，而是回到起点

K3发布后，杨植麟的学术导师鲁斯兰·萨拉霍丁诺夫公开回应外界对其离美原因的误读。他明确表示：杨植麟完全具备留在美国发展的所有条件，包括苹果北京办公室的直接邀约。但杨植麟的选择始终清晰——回国创业。 这一决定源于三层逻辑：第一是创业执念，早在CMU博士二年级便联合创立循环智能；第二是方向把控，他认为大厂科研受限于业务优先逻辑，难以真正打通基础模型与产品落地的断层；第三是现实起点，清华KEG实验室同窗构成的核心团队、早期客户网络与本土融资生态，共同构成了不可复制的启动支点。那个在博士阶段就敢同时做研究与产品的年轻人，从未把“发表论文”或“加入巨头”当作终点，而是一直在为亲手构建下一代AI基础设施积蓄力量。