出品 | 网易智能
作者 | 辰辰
编辑 | 王凤枝
"K3很强，而且它的能力不能简单用'蒸馏美国模型'来解释。"
这是OpenAI战略前瞻负责人迪恩·鲍尔（Dean Ball）对Kimi K3的判断。
但在同一篇长帖中，他随即谈到，美国政府可以怎样让企业不敢使用中国开放权重模型。
"你不需要禁止开源。你只需要指示每个机构，发布制造恐惧、不确定性和怀疑的软性法规。"
他甚至写道，相关判断"不必有特别充分的依据"。
两天前，中国创业公司月之暗面刚刚发布Kimi K3。这款2.8万亿参数模型登上Arena前端代码竞技场榜首，并在Vals AI和Artificial Analysis等第三方榜单中进入全球前三。它的整体能力仍落后于Claude Fable 5和GPT-5.6 Sol，但已经进入全球前沿模型的第一梯队。
这意味着，K3参与竞争所依靠的已不只是低价和开放权重，它开始对闭源模型的价格与市场位置形成更直接的压力。
一、批评声迅速扩大
鲍尔的长帖发布后，讨论很快从K3的技术能力，转向美国是否会借监管限制中国开放权重模型。
最先开火的是戴维·萨克斯（David Sacks）。他曾是特朗普政府首任AI与加密货币政策最高负责人，现担任总统科技顾问委员会联合主席。
"不管他是在描述策略还是在预测，用制造监管不确定性作为竞争工具，完全不可接受。"
萨克斯补了一句更重的。"AI模型收入已经是闭源双头垄断了。他们希望政府消灭自己的开源竞争对手。"
"他们已经把牌摊在桌上了。硅谷剩下的、仍然重视开放竞争的那些人，是时候也把牌摊出来了。"
他说的"双头"，是OpenAI和Anthropic。
风投人查马斯·帕利哈皮蒂亚（Chamath Palihapitiya）更直白："未来是开源的。接受它，往前走。"
软件工程师苏海尔·多希（Suhail Doshi）把话题拉回了原点："美国AI实验室的产品是用全人类的数据训练出来的，一分钱没付。任何以'蒸馏'为名叫停开源模型的游说或立法，都是在打击未来的美国创新。"
争议扩大后，鲍尔在当晚发了澄清帖：他说自己是在预测政府可能采取的做法，不是在倡议照此执行。他个人支持开源，直到AI变得过于危险的那一天，他说那将是一个"悲伤的日子"。
澄清并没有消除质疑。
因为真正触发反弹的，不是"建议"还是"预测"的区别，而是他描述那套做法时使用的措辞。
"不必有特别充分的依据。"
不管主语是谁，当AI行业内部人士公开描述一种无需充分证据的监管策略时，批评者担心的是：规则可能被刻意模糊，只要最终达到排斥竞争者的效果。
这也正是为什么不少批评者认为，这种思路带有明显的"监管俘获"色彩，就是监管机构在行业内部人士的建议下，设计出有利于既有企业的规则。
值得补一句：鲍尔描述的那些工具并非他凭空发明。Axios的后续报道显示，美国政府在K3发布前就已讨论过实体清单、行业安全警告和模型托管责任等方案。鲍尔的帖子更像是把既有政策选项公开说透，而不是单独发明了一套新路线。
真正引发讨论的，也正是这套表述本身。
二、第一名，但有代价
K3到底做了什么，让一个OpenAI高管觉得有必要公开讨论政府该怎么应对它？
按官方公布的信息：2.8万亿参数，混合专家架构，896个专家中每次激活16个，采用自研Delta注意力机制和注意力残差架构。按月之暗面的说法，新架构和训练配方让K3相对上一代K2的"整体规模效率"提高了约2.5倍。
注意措辞。"规模效率"不是训练速度，2.5倍是公司口径。完整技术报告将与模型权重一同发布。
关键的时间节点在这里：月之暗面承诺在7月27日前发布完整权重。截至7月21日，官方权重尚未发布，用户还不能通过正式渠道自行下载部署。即使权重开放，2.8万亿参数模型的本地部署也需要极高的硬件条件。
在第三方评测中，K3的前端代码能力排到了Arena榜单第一，综合能力在Vals AI指数38个模型中排第2，Artificial Analysis在7月17日发布的快照中将其列为第3。这些榜单各有侧重，题型、采样和排名更新时间不同，不能合并成"全面追平"的结论。但一家中国创业公司在多个维度进入第一梯队，本身就是一个信号。
然后来看短板。
K3的token消耗很大。一位开发者让模型画一只骑自行车的鹈鹕，95个输入token换来16658个输出token，其中13241个是思考 token。"这只鹈鹕花了我25美分。"
它的运行成本不低。Arena联合创始人评估，K3的推理成本与 Anthropic的 Claude Sonnet系列相当，显著低于 Fable 5，但远高于此前的中国开源模型。由于托管服务需求接近算力上限，月之暗面一度暂停了 K3的新订阅，API仍然可用。
一位署名 Jukan的 Citrini Research分析师在 X上写道：中国公司可能缺乏足够算力服务全部推理需求，但它们不是在亏本销售，也没有无法收回训练成本。暂停订阅不等于倾销，它恰恰说明需求超过了供给能力。
这些短板并不意味着"K3不够好"，反而让一个问题变得更突出：在这样的资源约束下，月之暗面是怎么做到的？
三、去过北京办公室的美国人
内森·兰伯特（Nathan Lambert）去过月之暗面的北京办公室。
他是艾伦人工智能研究所的前高级研究科学家，运营着 AI通讯 Interconnects。K3发布后，他写了一篇万字长文。
有一段话被反复引用。
"我去中国参访时见到了 Kimi 的核心团队。他们的文化中有一种你在走进办公室的瞬间就能感受到的东西，有人称之为气场，以及一种表达这种气场的自由。我去过很多 AI 公司，很少有一家能让你立刻感受到这种特质。"
他还记下了一个细节。当他随口说，OpenAI 一个普通研究员可能调用几千块 H100级别 GPU 时，Kimi 的研究员露出了惊讶的表情。
兰伯特的结论是：中国实验室的资本效率远高于美国同行。 "在一个按规模法则运行的世界里，智能与有效资本成正比，而资本购买算力、数据和人才，这可能是你的 AI 产业能拥有的最大优势。"
但他也谨慎地加了限定。中国研究人员薪酬更低、推理需求此前相对有限、训练算力分配方式不同，这些都可能是效率优势的部分解释。但他强调，这些因素都很难精确测量，不能据此推算 K3的完整训练资源。
"许多结果是可能的，"他写道，"K3应该提高大多数人对'中国可能在近期直接领先 AI 能力'这一概率的估计，即便它不是你的最可能结果。"
他说的不是"中国已经赢了"。
他说的是：别再假设美国一定会赢。
四、一个减速，一个加速
鲍尔的长帖里有一个判断值得认真对待。
"开放权重模型在经济意义上是天生减速主义的，它压低前沿模型的利润空间，减少可再投资的资本，从而减缓下一代最强模型的研发速度。"
如果衡量的是闭源实验室继续投入巨额资本、推动模型能力前沿的速度，这个判断有一定道理。但它只说了一半。
兰伯特在自己的文章里拆开了这个判断：开放权重模型对前沿实验室的经济回报是减速的，但对 AI 在经济中的扩散是加速的，它降低了获取一定水平智能的门槛，让几乎任何企业都能用开源模型定制领域专用的智能体。
"一个减速，一个加速。"兰伯特写道。取决于你站在谁的立场上。
因此，当鲍尔说"开源是减速主义"时，如果只衡量闭源头部实验室继续加码资本投入的速度，这个判断并非全无根据。但在批评者看来，鲍尔的问题在于，他容易把"对头部闭源实验室的资本投入不利"，进一步推演成"对整个 AI 发展不利"，而这一步推演，恰恰是争议的焦点。
有人视之为蓄意。有人视之为视角局限。不管是哪一种，萨克斯的回应替更多人说了话："他们已经把牌摊在桌上了。"
兰伯特在万字长文中把这个问题往前推了一步。
鲍尔说开源是减速主义，它压低前沿实验室的利润空间，减少可再投资的资本，减缓下一代最强模型的研发。兰伯特承认这个逻辑链条在经济学上成立。但他追问了一句：然后呢？
减速，就一定不好吗？
他的核心观点是：开放权重模型略微滞后于闭源前沿，K3追到了3到5个月，这个时间差本身是有价值的。它为社会争取到了一个天然的观察窗口：在新能力被广泛扩散之前，先看清楚它到底是什么、能做什么、边界在哪里。
"如果开放权重模型落后前沿3个月、6个月或9个月，那仍然是一个非常短的时间窗口。我们真正需要做的不是试图消灭这个窗口，开放模型终将跨越所有关键能力门槛，不管合不合法，而是在窗口期内建立评估和应对真正风险的能力。"
换句话说，与其一味封堵，更重要的是尽快建立评估体系。
这也是鲍尔与萨克斯争论的交点。鲍尔强调的是，开放模型与前沿能力的差距缩短后，风险评估窗口正在收窄；萨克斯担心的则是，站在"墙内"的公司会借安全之名抬高竞争门槛。兰伯特提供了第三种思路：围墙能否守住不是唯一问题，更重要的是在开放模型跨过关键能力门槛前，建立起相应的评估和应对机制。
五、修围墙的人
比尔·格利（Bill Gurley）在《华盛顿邮报》上写了一篇评论。他是硅谷最著名的风险投资家之一，P3研究所的创始人。
他的论点很简单：开源是一种商业策略，经济学家迈克尔·波特（Michael Porter）称之为"成本领先"，在软件行业有三十年的成功记录。
Red Hat 用免费软件建起了一家公司。2019年，它以340亿美元卖给了 IBM。
谷歌免费送出了 Android 和 Kubernetes。没有收费，没有限制。
微软曾称开源为"癌症"。如今它拥有 GitHub。
"那些现在把开源模型称为危险的人，"格利写道，"自己的公司每天都在依赖开源代码运行。"
然后他提了一个更尖锐的问题。
如果这些 AI 公司真的像他们自己说的那样，增长最快、利润最高、模型遥遥领先，那为什么还需要政府帮忙挡住竞争对手？
一家正在跑赢未来的公司，不需要华盛顿来绊倒追赶者。
这不是在说安全担忧是假的。Transformer 编辑沙基尔·哈希姆（Shakeel Hashim）的评估是：K3"很可能不具备危险的网络攻击能力"。兰伯特在万字长文的结论部分也坦率写道：当模型变得足够强时，开源的风险将是真实的。"问题不在于今天的风险是否被夸大，而在于当真正的风险出现时，我们是否已经建立了评估和应对的能力。"
安全是真实的。商业也是真实的。
真正值得追问的，不是"这是安全还是商业"，而是当缺乏具体能力评估的安全警告可以直接变成市场准入工具时，那堵墙在替谁加固优势。
鲍尔说，他不是在建议，而是在预测。但不论主语是什么，行业内部人士把"不必有特别充分的依据"纳入可行的政策描述，本身已经足以引发质疑。
那道围墙最直接保护的，往往就是已经站在墙内的既有公司。