《晚点》播客聊Kimi K3，真能比肩Fable 5吗？为什么会引起美国AI界和投资市场的大辩论，简单做个文字整理，推荐大家直接听这期节目。
这期嘉宾是： RadixArk 创始成员赵晨阳和华盛顿大学博士生曾致远
一、K3到底有多大？
K3总参数量是2.8T，也就是2.8万亿；它采用MoE架构，每次处理一个词，不会动用全部参数，而是从896个“专家”中选择16个，实际激活参数约1040亿。
所以：* 2.8T代表模型的总知识容量；* 104B更接近每次推理实际参与工作的规模；* 不能简单理解成“K3每回答一个问题，都要运行2.8万亿参数”。
它还支持文字、图像等原生多模态，以及100万Token的上下文。官方资料也确认了这些规格。
二、K3为什么强？
K3在复杂的长程Agent任务上已经接近Claude Opus 4.8，尤其擅长前端开发、网页和游戏制作。这是因为Kimi专门训练过这些能力：
模型写完代码之后，可以自己查看页面截图，判断页面好不好看、功能是否正常，再继续修改。它能自己看效果、找问题、返工。
三、K3最重要的架构创新是什么？
K3同时采用了两种记忆方式：
* KDA像人的“工作记忆”：把之前的内容不断压缩成一份摘要。优点是省显存、速度快；缺点是内容太长以后，早期细节可能被覆盖。* MLA像“随时可以翻阅的完整档案”：可以回头查找所有历史信息，记得更准确，但成本更高。
K3大致采用“三层KDA配一层MLA”的方式：大多数时候依靠摘要快速思考，隔几层再翻一次完整档案。
这解释了两个问题：
第一，为什么它能处理100万Token。因为它不用每一步都把100万Token完整重读一遍。
第二，为什么“支持百万上下文”不等于“百万上下文里的每个细节都不会忘”。KDA仍然会压缩和遗忘，只是MLA会定期帮它找回全局信息。
博客中提到的“百万Token下解码加速6.3倍”，是与同等规模的全注意力架构相比，在超长上下文、生成阶段的速度提升，不是说日常使用K3一定整体快6.3倍。首字延迟、排队和服务系统优化，依然会影响实际体验。
四、896个专家怎么避免有人累死、有人没活干？
MoE最怕专家分工失衡：某几个专家天天被调用，其他专家长期闲置。
K3的Quantile Balancing可以理解成一个更精确的调度系统。过去的方法主要判断某个专家“太忙还是太闲”，然后一点点调整；K3会进一步计算“到底忙了多少、应该调整多少”。
这项技术未必直接让模型更聪明，但它是K3能稳定扩展到接近3T规模的重要基础。否则896个专家很容易在训练过程中失衡。
五、什么叫“开源了成品，没有开源流水线”？
这是整篇播客最重要的观点。
Kimi开放了模型权重，也开放了FlashKDA、AgentENV等一部分基础设施。但没有完全公开：
* 具体的强化学习任务和奖励环境；* 训练数据如何生产和筛选；* 用于自动生成任务的系统；* 九个领域专家合并前的中间模型；* 完整的验证、评测和迭代流程。
这就像一家车企把一台顶级汽车的完整零件和图纸交给你，你可以研究、改装甚至自己生产；但它没有把生产线、测试场、供应链、工程团队和下一代车型的研发方法一起交出来。
因此，大家得到了“K3这一代的智能”，但没有得到“如何稳定造出K4”的完整能力。
严格来说，文章里的“开源模型”，更准确的说法应该是开放权重模型。
六、它为什么会“冲击Anthropic估值”？
如果开放权重模型已经足够接近Claude，企业又不愿意把内部代码和数据交给第三方，那么它们可能选择私有化部署K3，再针对自身业务微调。
这样一来，闭源模型公司原本依靠技术领先建立的高价格、高毛利和客户黏性，就可能受到影响。
但新闻界再放大这种影响，Kimi自己的技术报告也承认，K3综合表现仍落后于Claude Fable 5和GPT-5.6 Sol，只是在部分编程和Agent任务上非常接近甚至超过。
而且2.8T模型不是普通企业下载下来就能跑，目前有能力私有化部署的机构仍然很少。闭源公司还有用户数据、产品入口、训练环境和快速迭代形成的优势。
所以更准确的说法是：
K3动摇了“只有闭源公司才能拥有前沿模型”的叙事，但还没有动摇闭源实验室在下一代模型研发上的领先地位。
七、K3已经可以“自我进化”了吗？
K3的早期版本已经可以帮助编写和优化GPU Kernel，再用这些Kernel改善后续训练。这确实形成了一部分“AI帮助制造更强AI”的闭环。
但Kernel有一个特殊之处：对不对、快不快，都很容易自动验证。因此AI可以反复尝试。
换到没有明确答案的领域，例如模型架构、复杂软件工程或者通用科研，什么叫“做得更好”都很难准确判断。真正的瓶颈是评测标准和训练环境。
所以目前更像是：
AI已经可以在边界清晰、结果容易验证的领域局部自我改进，但距离广义的自主研发下一代模型，还有明显距离。