月之暗面黄震昕详解K3：底层创新、幻觉治理与商业化逻辑

首款近3万亿参数开源大模型正式落地 7月21日，月之暗面在北京办公区举行媒体交流活动。企业业务负责人黄震昕首次系统回应K3发布后的技术路径、能力边界与商业节奏。四天前，Kimi正式开源K3大模型——总参数量达2.8万亿，支持100万Token上下文窗口，综合智能水平在多项基准测试中位列全球前三，仅次于Claude Fable 5与GPT-5.6 Sol。 三项自研技术驱动性能跃升 黄震昕明确指出，K3的突破并非单纯堆叠参数，而是源于底层架构的原创性重构。其核心包含三项自研技术： 第一是MoonClip二阶优化器，首次由Kimi投入大模型训练。该技术可在数据受限环境下显著提升训练效率——20T训练数据可达成40T等效效果，同等性能下训练成本与算力功耗直接减半。 第二是KimiLinearTension线性注意力机制，突破传统线性注意力在超长序列下的性能衰减瓶颈，使上下文窗口扩大十倍的同时，训练成本仅同步增长十倍。 第三是AttentionResiduals（注意力残差）结构，优化深层网络间的信息流动，在保障2.8万亿参数模型稳定训练的前提下，推理效率提升25%。 黄震昕将三者归纳为三大能力支柱：LongContext决定模型“能干多久”，TokenEfficiency决定模型“有多聪明”，AgentSwarm决定模型“如何协同”。所有技术创新均围绕这三点展开。 幻觉不是缺陷，而是创造力的伴生现象 面对媒体对AI幻觉的集中关切，黄震昕未回避问题本质。他提出：“幻觉与创造力同源。”更强的模型，幻觉比例反而更低；K3当前已是幻觉发生率显著低于行业均值的模型。 具体治理机制依托AgentSwarm架构：任务被拆解为多个子Agent并行执行，再由专职“事实校验员”子Agent逐项核验关键数据与结论。这一闭环设计大幅压缩错误传播空间。 但他也坦率表示，幻觉无法根除。“因为人也会犯错，也会‘幻觉’。模型的生成机制决定了它既具备推演能力，也天然携带不确定性。我们追求的不是零幻觉，而是可控、可追溯、可校验的智能输出。” 算力不是瓶颈，而是体验底线的刻度尺 K3上线后流量远超预期。7月19日晚，月之暗面主动暂停新会员注册。黄震昕解释：这不是临时运维动作，而是一次价值观选择——宁可暂缓新增收入，也要守住存量付费用户的响应速度、稳定性与服务连续性。 团队曾预设多级扩容预案，但实际并发请求峰值仍突破承载阈值。权衡之下，公司优先保障已付费用户的完整体验。“体验不是成本项，而是产品尊严的标尺。” 目前，团队正通过模型压缩、推理加速与算力资源协同调度双线推进优化，但重开注册时间尚未明确公布。 开源≠廉价，K3正在重定义中国模型的定价权 针对海外部分声音将开源等同于“减速主义”的论调，黄震昕回应：开源与闭源不是对立选项，更不等于低价策略。K3从设计之初就锚定SOTA水准，全球范围内供不应求，定价逻辑完全独立于“开源即便宜”的旧范式。 Kimi坚持K2以来的开源路线不变：所有核心架构、训练方法、关键技术论文全部公开。底层能力透明化，不是为了降低门槛，而是为了构建可验证、可演进、可协作的技术共识。 聚焦高价值场景，拒绝低维内卷 商业化层面，Kimi现阶段不提供私有化部署服务，API业务占整体收入约70%，客户以数据平台、金融基础设施、科研计算平台等高信任度、高复杂度场景为主。 截至6月中旬，公司ARR（年度经常性收入）突破3亿美元，三个月内连跨三个亿元台阶。黄震昕强调，Kimi的商业路径始终对标全球成熟AI企业的成长范式——先夯实基础模型能力，再延伸至垂直场景渗透。 产品审美上，团队长期聚焦编程、金融、法律、基础科研等高门槛生产力领域，主动避开娱乐化、文生图、文生视频等流量导向赛道。“大模型里1%的数据偏差，可能重塑整个模型的价值取向。我们所有技术决策，都服务于一种确定的、严肃的、面向真实世界问题的智能观。” 关于参数规模，黄震昕给出明确判断：“2.8万亿不是终点，而是新起点。大模型的参数天花板，仍将随硬件演进与算法突破持续抬升。”