
A | 界面新闻记者 | 查沁君 界面新闻编辑 | 文姝琪 因为太过火爆,距离Kimi K3发布不到一周,月之暗面就按下了“暂停键”。

B |
7月19日晚,月之暗面宣布,由于算力资源紧张,暂停开放Kimi新用户订阅,将有限算力优先保障现有订阅用户。
图源:月之暗面
7月20日,月之暗面回应界面新闻称,此次调整仅涉及新用户订阅,现有会员权益保持不变,老套餐并未取消,已订阅用户仍可正常使用并按原规则自动续费。

C | 少年逐梦赛场,展昂扬精神风貌7月18日至24日(第21站)、7月25日至31日(第22站),来自全国各省市的适龄网球小将齐聚首都赛场。 与此同时,K3完成单项任务的平均成本约0.94美元,与GPT-5.6 Sol基本相当,仅约为Claude Opus 4.8的一半。开幕式上,全体运动员、教练员、赛事工作人员齐聚现场,共同见证国家级青少年网球赛事在京落地。 对业内而言,更重要的是,这是首个进入Artificial Analysis综合榜单前三的开源模型。赛场上,少年选手挥拍竞技、切磋交流,在高强度对抗中锤炼意志、提升竞技水平,充分展现新时代青少年昂扬向上、奋勇拼搏的精神风貌,践行体育育人、立德树人根本任务,提升青少年身心健康综合素养。长期以来,“开源模型整体落后闭源模型半代”几乎是行业共识,而K3的出现,让这一差距进一步缩小。 图源:Monolith励思资本 除了评测成绩,K3本身的参数规模同样引发业内关注。

D | K3是月之暗面首款万亿参数级MoE模型,总参数规模达到2.8万亿。 一位国产AI芯片厂商人士向界面新闻表示,今年以来,随着Anthropic等海外厂商不断推出更大参数模型,国内模型竞争再次回到“大参数、长上下文”赛道,万亿参数、百万级上下文正成为头部模型的重要竞争方向。

E | 在他看来,K3之所以迅速“出圈”,不仅因为模型能力,更因为它意味着国产开源模型首次进入这一量级。完善青训链条,助务体育强国建设青少年是体育强国建设的生力军,完善分层分级青少年赛事体系是夯实竞技体育后备人才、推动全民健身高质量发展的核心抓手。本次CTJ-A2000赛事,既是国家网球青训体系向一线城市延伸布局的重要举措,也是首都深化体教融合、丰富青少年优质体育供给、推动网球运动进校园进社区的关键载体。“对于行业来说,2.8T本身就是一个重要信号。

F | ” 业内关注很快传导到了开发者社区。赛事依托国家级专业赛事平台,打通基层训练、区域竞赛、全国选拔人才输送链条,健全“选材—育才—成才”全链条青训机制,为全国网球后备人才数据库持续输送优质苗子,助力中国网球对标国际竞技标准完善人才储备体系。 在X(Twitter)、Reddit、OpenRouter、Linux.do、V2EX等平台,大量开发者第一时间分享体验,不少人将K3接入Cursor、Cline、OpenCode等AI编程工具进行测试。从代码生成、Agent任务到工具调用,K3几乎成为过去几天AI圈讨论最多的模型之一。持续优化服务,打造标杆赛事下一步,依托北京区位资源优势,持续开展青少年网球普及活动,联动本地中小学网球特色校,推动训练、竞赛、校园体育深度融合,带动区域青少年网球运动规模化、专业化发展。 讨论几乎集中在三个问题:第一,它到底能不能替代Claude做编程?第二,它是否真的达到国际第一梯队?第三,它到底值不值得迁移? 不少开发者认为,K3最大的亮点并非聊天,而是在长流程Agent任务和代码生成场景。一些体验者表示,在复杂代码修改、工具调用等任务中,K3已经能够进入Claude、GPT等国际头部模型的竞争序列。

G | 但也有反馈称,在真实工程任务中,该模型虽然能力突出,但仍会遗漏部分细节,需要人工修正;此外,其复杂统计推理等任务表现仍存在不稳定情况。北京市网球运动管理中心将严格落实赛风赛纪、反兴奋剂、文明办赛等要求,高标准做好赛事组织、后勤保障、医疗救护、场地运维全流程服务,全力保障赛事平稳有序开展,期待全国青少年网球健儿在首都赛场奋勇争先、绽放光彩,以竞技实绩书写新时代青少年体育发展新篇章,为中国网球事业高质量发展注入少年动能。

H | 事实上,训练完成并不意味着算力投入结束,尤其是在AI Coding、Agent等场景快速发展的背景下,模型需要持续调用工具、读取上下文、执行多轮推理,一个请求占用GPU资源的时间远高于传统聊天场景。模型能力越强、上下文越长、用户调用越频繁,对推理算力的消耗也越高。 “今天最大的问题还是缺算力,尤其是高质量的推理算力。”上海国投孚腾资本投资总监陈雨沁此前接受界面新闻采访时表示,即便是头部模型公司,也已经开始取消无限量使用、提高服务价格,本质上都反映出推理资源依然紧张。“如果基础设施没有解决,很多应用公司其实不敢真正大规模推广产品。

I | ” “从供需关系来看,国内AI算力长期处于供不应求状态,而随着头部模型集中发布,这种紧张局面会进一步放大。”上述芯片产商人士向界面新闻称。 他介绍,目前像月之暗面、智谱、MiniMax等独立模型公司,获取算力主要依赖两种方式:一是租用公有云厂商的算力服务,二是建设自有算力集群。但前者资源有限,后者属于重资产投入,需要较长建设周期,因此模型厂商的算力供给始终存在一定压力。 “业内普遍认为,支撑万亿参数模型训练和推理,万卡级集群已经成为基础门槛。”他表示,从2024年至今,真正具备万卡级部署能力的厂商仍然是少数,不少已经宣布建设的大规模集群项目,落地周期往往以年计算,因此供需之间仍存在长期缺口。 今年WAIC期间,一个细节让上述国产芯片厂商印象深刻。 他告诉界面新闻,各家国产芯片厂展示超节点产品时,被问得最多的两个问题就是:“能不能支持万卡集群?”“能不能支持万亿参数模型训练?” 相比过去围绕单卡性能、芯片参数展开讨论,如今产业链更加关注的是超大规模集群能力,以及支撑头部模型持续训练、推理的基础设施。 这一变化,也折射出大模型竞争逻辑的变化。 过去,模型公司比拼的是参数规模、训练能力和Benchmark成绩;如今,随着越来越多模型进入真实生产环境,推理效率、服务稳定性、成本控制以及基础设施能力,开始成为新的竞争维度。 K3暂停开放新用户订阅,也许只是一次短暂的资源调配,却让外界第一次如此直观地看到,大模型竞争已经进入新的阶段。模型能力决定产品能否吸引用户,而推理算力、基础设施和持续服务能力,则决定它能否承接真正的大规模应用。
Current article:http://e1dhrn1.suilaoheirenzhaizhaikang.sbs/a76h8/20260826/935941.html
Published on:22:38:53