2.8万亿参数、100万token高下文、原生多模态、896个巨匠里只激活16个，7月16日云开体育，月之暗面把自家旗舰模子Kimi K3摆上台面，并放话：7月27日前洞开全部权重。
讯息一出，国际竖立者社区一霎爽脆。
LMArena前端代码榜登顶，Artificial Analysis上空洞评分迫临闭源一线。
官方发布帖的浏览量以千万计。
▲ Kimi K3官方发布帖：2.8T参数、100万token高下文与原生多模态
然后，一张两年前的像片被翻了出来。
那间会议室里的一瞥箭头
K3商讨的最热潮，内容创作家Max For AI发了一条帖：两张2024年在月之暗面北京办公室顺手拍的像片。
像片里，杨植麟站在会议室前线，手握发话器，死后大屏打着"新的Scaling Law"。
画面上一个箭头尽头闪耀，从Next-Token Prediction Scaling指向Reinforcement Learning Scaling，支配标注着synthetic data、test-time compute。
听众围坐在长桌前，桌上散着条记本和水杯。
Max说，那天Kimi里面邀请一又友来看最新的K0-Math模子。
杨植麟全程没聊居品、没聊融资，他讲的是下一代Scaling Law。
▲ Max For AI翻出的2024年现场像片：杨植麟在会议室躬行教悔K0-Math与RL Scaling阶梯
“2024年，这更像一个判断。
2026年，它照旧成为OpenAI、DeepSeek、Anthropic、Kimi等公司的共同旅途。”
Max拊背扼喉：K3看上去横空出世？
两年前那张PPT上的箭头早就画好了。
K0-Math：2024年阿谁"没东谈主戒备"的开始
时候拨回2024年11月16日，Kimi上线一周年的节点。
月之暗面拿出了k0-math，一个专攻数学推理的模子，对标OpenAI的o1系列。
公司自报的收成：在中考、高考、考研和MATH等训诲类基准上朝上o1-mini和o1-preview；
在更难的OMNI-MATH和AIME上，分散达到o1-mini最高分的90%和83%。
技艺旅途是强化学习+念念维链：解题时会花更万古候主张、反念念，走错了能回头重试。
阿谁月，中国AI实验室密集发布o1格调的推理模子：DeepSeek出了R1-Lite-Preview，阿里推出Marco-o1。
行业媒体把三者比肩放在一皆，给出的论断是，"慢念念考范式不再被单一实验室操纵了。"
▲ 2024年11月，k0-math与DeepSeek R1-Lite、阿里Marco-o1同期登场
杨植麟在同期的媒体疏浚中把话说得很显然：Scaling Law没死，死的是旧的缩放花式。
往时靠堆参数、堆数据；
接下来，缩放的对象要换成强化学习初始的推理才调。
"咱们很早就在作念强化学习，我以为它会是大趋势。"
他说。
PPT上那行箭头，便是这句话的图解版。
从一瞥箭头到2.8万亿参数
k0-math之后的两年，月之暗面简直每一步都踩在那张PPT画的阶梯上。
2025年1月，K1.5发布，数学、编程、多模态推理全靠近标o1。
2025年7月，K2以万亿参数级MoE架构开源权重，竖立者社区一度把它称为"又一个DeepSeek时刻"。
然后是K2 Thinking、K2.5，握续往推理和Agent标的重迭才调。
2026年3月，杨植麟在NVIDIA GTC发表主题演讲，把下一阶段的缩放前沿拆成三个维度：Token效果、高下文长度、Agent数目。
不雅察者Michael Guo自后回忆，那场演讲的气质"像博士生在讲我方的课题"，跟Max姿色的2024年会议室画面如出一辙。
▲ Michael Guo：K3的告成并非有时，GTC演讲早已预示标的
到K3看重亮相时，你能明晰地看到那行箭头变成了什么。
KDA看重力机制让百万高下文的解码速率擢升6.3倍；
AttnRes以不到2%的相当老本换来25%的老师效果；
超稀薄MoE在896个巨匠中只激活16个，让2.8万亿参数真的能跑、能卖、能用。
官方展示的案例照旧远远超出数学题的范围：GPU kernel优化勾通跑24小时，从零搭建类Triton编译器，48小时跑完芯片探究POC，阅读20多篇论文复现天体物理实验。
2024年k0-math的"多步反念念解题"和2026年K3的"长程自治Agent"，施行上是吞并棵树的根和冠。
"真的的伊始，是时候的一又友"
K3爆红之后，褒贬区出现了猜度之中的分裂。
有东谈主一条褒贬点透了全局，
"终了两年前的PPT，比追上别东谈主的今天更难。真的的伊始是时候的一又友。"
▲ 社区热评：终了两年前的PPT，比追上别东谈主的今天更难
也有从容的声息跟上来。
BlanPlan指出：权重开源之后才调会被推理劳动商接纳，Kimi能留下若干价值，取决于Kimi Code和Kimi Work能不可造成真的的用户留存。
RL scaling需要真实的任务轨迹，职责流居品自己会变成老师数据的基础枢纽，技艺阶梯押中了，居品闭环仍然是下一张考卷。
月旦者也没缺席。
有东谈主径直说这类回想"虚头巴脑"，并转述他东谈主印象：杨植麟相同高度姿色买卖变现，这跟"隧谈实验室东谈主格"的画像之间存在张力。
爆红时刻向来如斯：它同期出产传闻和祛魅。
但无论褒贬区怎样吵，有一件事难以反驳，两年前那间会议室的大屏上，箭头从Next-Token Prediction指向Reinforcement Learning Scaling。
两年后，所有这个词行业都走在这条路上。
杨植麟当年画的阿谁箭头，两年后看来便是一份阶梯图。
而K3云开体育，是这张阶梯图上最新的坐标。