月之暗面的下一代大模型Kimi K3计划在今年第三季度正式发布。
根据已经披露的信息，这款模型的参数量将达到2.5万亿，比目前K2系列翻了一倍还多，上下文长度标准也将提升至1M左右，内部测试数据远远超过这个数值。
横向对比一下，不久前发布的DeepSeek V4 Pro版本参数量约1.6万亿，百度文心5.0是2.4万亿。
K3的2.5万亿意味着它将成为国产大模型阵营中参数规模最高的产品之一，把此前行业普遍认为的2万亿短期天花板直接往上抬了一截。
参数规模当然不等于全部能力。大模型的评判维度很多，训练数据的质量、算力调度的效率、推理速度、上下文窗口的长度都会影响最终体验。
月之暗面这次也做了不少架构层面的调整。K3采用了MoE混合专家架构，每次推理只激活部分参数以平衡效率和性能，同时在预训练中确认集成了KDA关键依赖注意力技术路径。
这项实验性架构此前在基准分数、推理速度和经济性三项指标上都表现优于传统方案，但能否在2.5万亿的体量下真正跑通，还要看正式发布后的表现。
很多人会关心一个问题，参数量翻倍之后，普通用户能用上吗，用得上吗。高参数意味着更高的算力成本和运营支出，这也是为什么K3的内部测试上下文远超1M，但最终是否向用户开放还悬而未决。
目前行业内真正能做到普惠级超长上下文的还看DeepSeek V4，后者在算力优化上确实做到了极致。月之暗面能否在K3上找到同样的平衡点，直接关系到这款产品对普通用户的可用性。
商业层面上，月之暗面最近过得不算差也不算轻松。今年1月以来估值从43亿美元涨到180亿美元，翻了四倍，今年2月融资7亿美元，被同行智谱和MiniMax在港股上市后的高溢价推上去的。
2025年11月以来，海外API收入暴增四倍，付费用户月增长率超过170%。竞争同样激烈，字节豆包月活逼近3.5亿，千问一季度月活环比翻了近10倍至1.66亿，DeepSeek的用户端数据近期有所回落。
大模型赛道早已过了单点技术优势可以吃几年的阶段，谁能把技术优势和商业场景真正衔接上，谁才站得稳。
2.5万亿参数，放在一年前是整个行业难以想象的数字，但技术指标的意义终究要落在可用性和性价比上。参数翻倍的K3到底能给用户带来什么实质性的体验提升，等到第三季度正式发布才能知道答案。
匿名用户
