7月17号这一天，月之暗面要换天

7月17日凌晨，月之暗面上线了Kimi K3。

它的发布文，开头引了苏轼的一句话：犯其至难而图其至远者，发之以勇，守之以专，达之以强。

挑最难的事做，向最远的目标去。

这家公司的名字本就取自月亮的背面，开篇又抬手指了指最远处，那股要上天的劲儿，呼之欲出。

但真正让我停下来反复读的，不是这些，是它正文里的另一句话。

01

承认不足？

月之暗面在发布文里写：虽然Kimi K3的整体表现仍落后于最强的闭源模型Claude Fable 5和GPT-5.6 Sol，但它在我们的整套评测中展现出前沿水平的能力，并稳定超过了其他所有模型。

这句话我看了两遍。

一家公司发布自己“迄今能力最强的模型”，在通篇最显眼的位置，主动告诉全世界，我不如那两个对手。

而且它不止说了一遍。在文章最后的“局限性”里，它又写了一次：尽管Kimi K3总体上是一个非常有竞争力的模型，但与Claude Fable 5和GPT-5.6 Sol相比，在用户体验上仍有一定差距。

这不太合常理。发布会这个场合，历来是各家把自己的优势掰开揉碎讲给你听的地方，榜单可以挑着放，对手可以选着比，实在不行还能造一个只有自己第一的新指标。主动认输，等于把最好的宣传位，让给了对手的名字。

所以真正的问题不是它谦虚，是它凭什么敢这么写？

02

言外之意

答案就在它自己公布的那几张成绩单里，不过得对照着看。

先看那个最像“总分”的榜单。GDPval-AA v2考的是模型在44个职业、9个行业里的真实任务表现，K3拿了1687分，排在Claude Fable 5 Max和GPT-5.6 Sol Max之后，位列第三，但超过了Claude Opus 4.8 Max的1600分。这跟它自己承认的一致，综合第三。

但再看另一张。AA-Briefcase是Artificial Analysis专门用来测长周期智能体知识工作的榜单，K3在这里拿了1527分，位列所有模型第二，只输给Fable 5 Max，而超过了GPT-5.6 Sol Max的1495分。

你注意到那个反差了吗？

综合上，它刚刚承认自己落后于GPT-5.6 Sol。可到了“长周期的智能体活儿”这个具体的项目上，它反过来赢了对方。

还有更极端的一处。在BrowseComp这个考长周期、高难度信息搜索的测试上，K3拿到91.2分，是SOTA，也就是当前最好成绩。而且按它的说法，这是单个智能体跑出来的，没有用上下文压缩，也没有额外的上下文管理技术，靠的是那个100万token的上下文窗口硬扛下来的。

这三张单子摆在一起，意思就很清楚了。总分第三，但在“长活儿”这条线上，它是第二，甚至第一。

03

强调什么？

再往下读那份发布文，你会发现它花掉最多笔墨的地方，全是这类又具体又极难的东西。

月之暗面搭了一个内核优化的竞技场，让各家模型在自己的GPU沙箱里，用完全一样的任务和测试框架，去优化GPU内核，最多可以跑24小时。结果是：在最大思考强度下，Kimi K3的表现接近Fable 5（含回退机制），并明显领先Opus 4.8、GPT-5.6 Sol和GPT-5.5。

又一次，在这种硬活儿上，它把综合排名高于自己的对手甩在了身后。

月之暗面还从零写了一个类似Triton的GPU编译器，叫MiniTriton，在它支持的基准测试上，性能达到或超越Triton和torch.compile，部分负载上还更快。

它用连续48小时的自主运行，基于开源EDA工具和45纳米工艺库，独立完成了一颗芯片的构建、优化和验证，面积4平方毫米，集成146万个标准单元，专门用来跑一个基于它自己架构的小模型。

它还花了大约两小时，复现一项通常需要资深研究员做一到两周的天体物理计算，读了20多篇论文，评估了300多种状态方程，写出3000多行Python代码，还发现了已发表公式里的不一致。

一边是最醒目地承认自己综合不如人，一边是拿这些极难的活儿一个接一个地砸。这两件事放在一起，它想说的其实很清楚了：别拿总分衡量我，看我在这几件事上能干到什么程度。

04

王冠变了

这就要说到一件这两年正在变化的事。

“综合最强”这个头衔，在过去是极值钱的。它是王冠，戴上了就能理直气壮地比别人贵。可这一年多下来，各家模型在真实使用里的差距，正被飞快地磨平。当第二名、第三名、乃至免费开源的模型都追到了“够用”，用户就很难再为那一点点综合领先，多付好几倍的钱。

王冠还是那顶王冠，只是它能兑换的溢价，越来越薄了。

而月之暗面这次的开放方式和定价，等于把这件事挑明了。

K3是2.8万亿参数，是全球首个开源的3万亿级别模型，完整的模型权重会在7月27日前放出来，任何人都能拿去用。而它的API定价，按人民币算，每百万token输入命中缓存2元、未命中20元，输出100元。

它还专门提到，靠着Mooncake的分离式推理架构，官方API在编程场景的缓存命中率超过90%，实际的输入价格只有标准价的四分之一。

这是一门什么生意，一目了然。模型的权重是白送的，调用是按量收的，而且收得很便宜。

一个白送权重、低价卖调用的模型，本来就不靠“我最强”这三个字收钱。既然不靠它收钱，那承认自己综合不如最强，就没有任何损失。它损失不了溢价，因为它本来就没打算收那份溢价。

它要的是另一样东西：在开发者天天干活的那个具体场景里，成为最趁手的那一个。

05

至难和至远

再回头看苏轼那句“犯其至难而图其至远”，其实就是月之暗面这次发布的路线图。

至难，是它挑的那些活儿：优化内核、写编译器、设计芯片、复现论文等，这些全都不是普通用户会碰的东西，甚至不是大多数程序员每天会碰的东西。它挑的是这一行里最硬的骨头。

至远，是这些活儿的共同类型，没有一个是“回答一个问题”，全都是“独立干完一件很长的活”。例如优化内核，它跑了24小时。设计芯片，它跑了48小时。做一份行业研究，它经过120多轮递归自我改进，中间自己搜了2800多次网页，翻了87份季报、99份PDF，合计一万一千多页资料……

月之暗面在文里管这个叫“长程编程和智能体知识工作”。翻译成大白话就是，把一件需要好几天、成百上千个步骤的活儿，交给它，它自己一步步做完。

所以这次发布真正的选择是：放弃在综合分上跟人纠缠，把全部力气压在“能不能独立干完一件长活”这一条线上。挑最难的场景，做最长的任务，然后把它开源、卖得便宜。

至于综合分数排第几，用户体验差多少，它自己都替你说了，不如那两家。

06

找到属于自己的天

不过这份发布文里，最耐人寻味的一句，被放在了最不起眼的角落。

在“局限性”那一节，月之暗面列了K3的第二个毛病，标题叫“过于主动”。原文是这么写的：K3的训练重点优化了长程、高难任务，因此在任务执行过程中遇到小问题或用户意图模糊时，它可能会替用户做出非预期的决定。

它还建议，如果你的应用希望它更有边界感、别太自由发挥，最好在指令里给它加上明确的约束。

我第一次读到这儿，觉得这不像一个缺陷，倒像一个必然的代价。

你想让一个模型自己跑完48小时，独立设计出一颗芯片，中间不可能事事都停下来回头问你。它必须敢在岔路口自己拿主意，敢在信息不全的时候先往前走一步。那个让它能干完长活的东西，和那个让它自作主张的东西，本来就是同一样东西。你按“独立干完长活”去优化一个模型，就等于在训练它别那么听话。

于是一个新的取舍，第一次这么清楚地摆到了台面上：你到底想要一个特别听话、但需要你在旁边一步步指挥的助手？还是一个偶尔会自作主张、但能把活儿真正干完的员工？

这两者不太可能兼得。越是奔着“独立干完”去，就越要让渡一部分掌控感；越是要求它步步请示，它就越干不完那些长活。而每一家模型公司，在决定要不要押注长程任务的那一刻，其实都在替用户做这个选择。

月之暗面这次的答案，从它把“过于主动”写进局限性、又建议你自己加约束这个动作里，已经看得很清楚了。它选了后者，并且把管住它的绳子，递到了你手上。

所以我才说“7月17号这一天，月之暗面要换天”，这并不是说月之暗面一定要争个天下第一，而是它开始意识到，属于自己的那片天，未必在别家的头顶。