WAIC 2026 · 开幕前夜
7月17日凌晨，WAIC 2026开幕前夜，月之暗面正式发布Kimi K3。
2.8万亿参数MoE开源大模型，100万token超长上下文，原生视觉理解，为目前全球参数规模最大的开源模型。
但比参数更炸裂的，是K3展示的一系列真实世界长程Agent能力。
48小时自主完成成熟制程芯片设计验证、2小时复现天体物理深度科研计算并发现已发表论文的公式不一致、从零搭建类Triton的MiniTriton编译器项目……
这些案例共同指向一个被多数分析忽略的核心问题。
当AI开始设计运行AI的芯片，技术迭代的闭环正在加速收窄，而月之暗面正在把这个闭环的钥匙，交到所有人手里。
2.8万亿参数，推理只激活一小部分：稀疏架构的降维打击
K3的2.8万亿是总参数量，但MoE架构在896个专家中仅激活16个。
据行业测算，推理实际仅激活约500亿参数，等效4000亿级稠密模型的算力成本，却能对标万亿级模型的能力。
用稀疏架构实现了大模型的能力、中小模型的成本，这是它能打低价、跑长周期Agent的底层核心。
更狠的是架构创新。
K3基于Kimi Delta Attention（KDA）和Attention Residuals（AttnRes）构建，KDA为注意力扩展提供高效基础，AttnRes则有选择地跨深度检索表示，而不是简单在各层均匀累积。
配合Stable LatentMoE框架和Quantile Balancing、Per-Head Muon等训练技术，K3相比K2的整体扩展效率提升约2.5倍。
Attention Residuals以不到2%的额外成本带来约25%的训练效率提升。
这不是堆参数，是聪明的参数。
48小时芯片设计：全球首个由大模型端到端完成的芯片设计验证
K3发布中最具话题性的展示，是它在连续48小时自主Agent运行中，基于开源EDA工具和Nangate 45nm工艺库，独立完成了一颗芯片的构建、优化与验证。
据现场演示数据，这颗芯片面积4平方毫米，集成146万个标准单元、0.277MB SRAM，以及带融合反量化的INT4 MAC阵列，在100MHz下完成时序收敛，仿真解码吞吐持续超过每秒8700个token。
需要明确的是，这只是45nm成熟制程的学术原型验证，并非主流先进AI芯片量产方案，不等于直接颠覆主流GPU算力架构。
但这件事的颠覆性在于它证明了一件事。
AI已经具备横跨架构设计、物理实现、性能优化、功能验证的完整芯片设计能力，且能在极少人工干预下持续运行数十小时。
这才是真正的AI设计芯片跑AI。
K3设计的这颗芯片，用途是运行一个基于自身架构构建的nano模型。
模型设计芯片，芯片运行模型。
这个闭环一旦成熟，意味着AI可以自我迭代硬件基础设施，不再完全依赖人类工程师和英伟达的GPU。
当前全球AI算力竞争的核心瓶颈是芯片，英伟达H100/H200一卡难求，国产替代仍在爬坡。
K3用开源工具链完成的这次验证，相当于向行业宣告算力自主的另一种路径正在打开。
不是等待更先进的制程，而是让AI itself成为芯片设计的新生产力，用成熟制程做出适配特定模型的高性价比算力。
2小时复现科研计算，还发现了已发表论文的公式不一致
K3展示的另一个被低估的能力是科研编程。
在一个案例中，K3用约两小时完成了通常需要资深研究人员一到两周才能完成的工作。
为复现计算天体物理中的I-Love-Q普适关系，它阅读并交叉验证了20多篇论文，实现完整数值流程，评估300多种状态方程，发现已发表公式中的不一致之处，生成3000多行Python代码，并产出交互式HTML仪表盘。
核心亮点不是2小时复刻两周工作量，而是它主动发现了已发表论文中I-Love-Q公式的推导不一致问题。
相当于具备了同行评审级别的科研校验能力，比复刻人力的颠覆性高一个量级。
在Kimi Work场景中，K3完成了一次覆盖ASIC行业42年历史的研究，经过120多轮递归自我改进，完成2800多次网页搜索、1100多次终端数据拉取，处理87份季报和99份原始PDF，合计超过11000页资料，最终生成可交互的视觉叙事报告。
这些案例的共同点是它们都需要持续数小时甚至数十小时、涉及多工具协调、具备错误修正能力的复杂工作流。
K3的训练重点明确指向长程、高难任务，这意味着月之暗面对市场需求的判断是企业客户真正愿意付费的，不是更聪明的聊天机器人，而是能替代一个初级工程师或研究员工作量的自主Agent。
自研MiniTriton编译器：绕开海外工具链的国产替代伏笔
K3从零开发了类Triton的MiniTriton编译器项目，基于MLIR构建自己的tile级中间表示层，实现完整的优化pass到PTX代码生成流水线。
据测试数据，其在Roofline基准中性能达到或超越Triton与torch.compile。
这不仅仅是技术炫技。
MiniTriton实现了从算子定义、中间表示优化到底层PTX代码生成的全栈自主，不依赖英伟达官方CUDA工具链的核心模块，意味着未来可以快速适配国产GPU的编译器栈，解决国产算力有硬件无软件的核心痛点。
这个国产替代的深层价值，是K3发布中被严重低估的战略意义。
WAIC前夜发布：点燃会场的中国开源派底气
选择WAIC开幕前夜发布K3，月之暗面的timing意味明显。
K3成为WAIC开幕首日的核心讨论话题，多家国产算力厂商已同步启动适配工作，相当于用一场线上发布接管了整个行业大会的叙事重心。
K3选择完全开源路线，完整模型权重将于7月27日前发布，技术报告同步公布，预计采用宽松商用授权协议，完整授权规则随模型权重同步公布。
这是全球首个2万亿参数以上的免费商用开源MoE模型，中小企业、开发者无需付费授权就能基于它做二次开发，直接拉低了万亿级大模型的商用门槛。
更关键的是定价。
K3 API缓存命中输入每百万token仅0.30美元，未命中输入3.00美元，输出15.00美元。
官方称编程场景下缓存命中率超过90%，实际输入成本约为标定价格的四分之一。
这不是普通降价，是专门针对Agent场景设计的定向计费模式。
Agent任务的重复上下文占比极高，90%以上的缓存命中率下，长周期任务的单位成本仅为传统大模型API的约十分之一，直接打穿了Agent规模化落地的成本门槛。
当开源模型在工程能力上逼近闭源旗舰，同时把价格打到地板价，闭源厂商的护城河还能维持多久？
Kimi K3的发布，不是又一场参数竞赛的升级，而是AI能力边界的一次重新定义。当模型能够自主设计芯片、复现科研流程、完成行业研究，它就不再只是工具，而是正在向通用工程智能体演进。
这场演进的速度可能比预期更快。K3的芯片设计概念验证虽然稚嫩，但它揭示了一个方向：AI自我增强的闭环正在形成。模型设计芯片，芯片加速模型，这个循环一旦跑通，技术迭代的周期将被大幅压缩。
对于WAIC 2026的参会者而言，K3的凌晨突袭是一个强烈信号——中国AI开源派已经具备全球顶级的模型工程能力，且正在用开源生态和成本优势，挑战由硅谷巨头主导的AI产业秩序。接下来的几天，上海世博中心的展台和论坛上，关于K3的讨论恐怕不会少。而真正值得关注的，不是它现在有多强，而是它证明了一件更重要的事：AI设计AI基础设施的时代，已经不再是科幻。
我们以算力为线，持续跟进算力基础设施的报道，输出洞察，伴随算力行业实现算力自由。敬请关注！
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表