我有种强烈的感觉：继梁文峰之后，又一个让硅谷坐立不安的中国人出现了。谁能料到，那个几个月前还被质疑“掉队”的90后，如今竟让华尔街重新紧张起来——他就是杨植麟。

2026年7月17日，星期五。纽约开盘后没多久，屏幕上的绿色迅速被红色吞掉，道琼斯指数最终下跌406.55点，纳斯达克跌了1.40%，芯片股连续第3个交易日承压。

市场原本就在担心AI投入过热、估值过高，中东局势又推升了油价，而一个来自北京的新模型，让这份不安有了更具体的名字：Kimi K3。
 
前一天，月之暗面把K3放到了公众面前。技术页面直接给出一组扎眼的数字：总参数量2.8万亿，原生多模态，上下文窗口达到100万Token，重点能力落在复杂推理、长周期编程和知识工作上。

它采用稀疏混合专家架构，并不是每次运算都调动全部参数，但整体规模仍让它成为当时体量最大的开放权重模型。
 
真正让开发者停下来多看几眼的，不只是模型有多大，在Arena的前端编程测试中，K3拿到1679分，升到榜首；其他独立评测也把它放进全球第一梯队。

它并非“跑分全能冠军”，部分综合能力仍落后于最强闭源模型，可一个中国创业团队把开放模型推到这个位置，市场也得重新算账：如果相近能力能用更低价格获得，美国科技公司建立在高投入、高收费上的估值逻辑，还能维持多久？
 
我认为，7月17日的下跌不能简单写成“K3一夜击穿华尔街”。当天还有芯片板块此前涨幅过大、企业业绩预期变化和地缘风险等因素，K3更像落在干草堆上的一颗火星。

它没有凭空制造焦虑，只是把投资者原本不愿正视的问题照亮了，AI领先优势能保持多久？昂贵算力是否一定能换来不可替代的产品？开放模型会不会把高价服务的利润越压越薄？
 
热度很快从交易终端传到服务器，K3上线后的48小时里，请求量明显超过预期，现有集群逼近承载上限。

月之暗面随后暂停新增消费者订阅，把有限算力优先留给已有付费用户，不是“网站被挤垮”，也不是所有新用户都无法进入，但这种主动限流的场面，已经说明K3带来的关注远超公司准备。
 
站在聚光灯中心的杨植麟，1992年出生于广东汕头，他从清华大学毕业后前往卡内基梅隆大学攻读博士，研究方向一直围绕语言模型和生成式学习。

Transformer-XL与XLNet的作者名单中都有他的名字，这两项工作在长距离依赖和预训练方法上产生过广泛影响，2023年，他与团队创办月之暗面，随后推出主打长文本的Kimi。
 
2025年初，DeepSeek以更低训练和推理成本迅速吸引全球注意，国内又有背靠大型平台的产品持续争夺用户，Kimi一度从最热的话题中心退下来，外界开始讨论它是否掉队。

可我认为，模型公司的真正排名，很难只看某个月的应用流量，补贴可以买来下载量，广告可以买来短期活跃，真正无法长期伪装的，还是模型能否解决任务，以及客户愿不愿意持续付费。
 
月之暗面接下来的节奏更像一次技术回防。

2025年7月，Kimi K2开放权重，以1万亿总参数和智能体能力重新进入全球开发者视野；2026年1月推出K2.5，4月又发布K2.6，补上多模态、编程和复杂任务执行能力。

K3不是突然从空白里冒出来的，它更像连续几轮架构、训练和产品调整后的集中兑现。
 
账本也开始给出另一种信号。Kimi的年化经常性收入在2026年3月超过1亿美元，4月升至约2亿美元，6月达到约3亿美元。

年化收入不等于公司已经把这些钱全部装进口袋，它只是按照当前收入速度推算出的年度规模，但连续增长至少表明，企业和开发者正在把真实预算放进来。
 
我认为，K3最值得讨论的地方，并不是它让哪只股票跌了几个点，而是中国AI公司的竞争方式正在变化。

DeepSeek证明了训练效率和工程优化可以改写成本曲线，月之暗面则把长上下文、智能体编程和开放权重继续往前推。

它们路线不同，却都在削弱一个旧判断：只有少数美国实验室拥有足够的人才和资源，能够定义下一代模型。
 
开放权重也不是一句口号，模型一旦可以下载、部署和二次开发，企业便能把数据留在自己的环境中，也能按行业需求重新训练。

K3体量巨大，自行部署仍需要昂贵硬件，并非普通开发者拿一台电脑就能运行，但它提供了另一种可能：能力不必永远锁在某一家公司的接口后面，我认为，这才是硅谷最难忽视的压力。
 
当然，一次发布不能决定全球AI格局。榜单会更新，模型也会被后来者超过，K3完整权重发布后还要接受更长时间的独立检验。

可从K2到K3，月之暗面至少完成了一次清晰的回归：从被质疑掉队，到重新进入全球前沿模型的比较表，再到算力被新增需求推到极限。