2026年7月16日深夜，全球AI圈集体失眠
月之暗面发布了Kimi K3，2.8万亿参数，百万级上下文，原生多模态，开放权重前端编程榜单上，一个来自中国的开源模型，第一次把所有闭源巨头踩在脚下Vercel CEO惊呼，Wharton教授称之为"最接近前沿"，开发者们排着队涌入，48小时内直接把GPU挤爆，官方被迫紧急暂停新用户注册
▲ Kimi K3官方发布推文：2.8T参数、100万上下文、开放权重
K3之外，一张两年前的旧照片也被翻了出来
那张PPT画出一条路线
K3发布次日，科技博主Max For AI在X上贴出两张照片他说，这是2024年受邀去月之暗面北京办公室参观时随手拍的
照片里，杨植麟站在会议室里，黑色卫衣，米色短裤，手持话筒，身后是一块巨大的屏幕
屏幕上的标题是五个中文字：“新的 Scaling Law”
画面中央，一个深色球体写着 Reinforcement Learning Scaling，旁边环绕着 synthetic data、test-time compute 几个关键词左侧一个蓝色箭头，从 Next-Token Prediction Scaling 指向它，一条清晰的、不可逆的路径
▲ 博主Max For AI晒出2024年在月之暗面办公室拍摄的照片，杨植麟正在讲解"新的Scaling Law"
用大白话说：2024年，全行业还在拼命把预训练模型堆大的时候，杨植麟已经把重心放在强化学习上
放在当时，这只是一个判断。
放在今天，OpenAI、DeepSeek、Anthropic、Kimi，几乎所有前沿模型都走到了这条路上
Max在长文里写道："很多人觉得Kimi K3突然变强了我倒觉得，它只是兑现了一家公司两年前就做出的技术判断"
那个"不像CEO的CEO"
比PPT更打动人的，是Max对杨植麟这个人的描述
那天的分享会越过产品和商业，主题落在下一代Scaling Law上
Max注意到一个细节：聊融资、聊市场的时候，杨植麟语气平静，几乎没什么波澜但一聊到架构、训练方法、数据细节，整个人一下子就兴奋起来了，"眼睛都是亮的，能一直不停地讲"
后来他去转了一圈办公室，特意看了杨植麟的工位那是一个普通的位置，和周围的工程师没什么区别，桌上只放着少量日常用品
这段描述引发了大量共鸣。另一位网友@Vanzllll补充了从同学处听来的细节：杨植麟在公司里几乎不搞特殊化，"所有人的+1是杨植麟"，工位与实习生无异
三个月前，答案其实又讲了一遍
类似的公开判断后来又出现了。
2026年3月，杨植麟在中关村论坛发表演讲，主题是《开源AI：加速探索智能上限》他系统性地提出了下一阶段scaling的三个维度：
几乎同一时期，他在NVIDIA GTC上做了一场约半小时的英文演讲K3发布后，科技博主Michael Guo把这段视频重新翻出来，写道："三个月前，Kimi CEO已经把秘密讲完了"
演讲中最有预见性的一段判断大概是：
"Open models cannot be just open. They also have to be great."开放模型不能只是开放，还必须足够出色。
三个月后，K3用2.8万亿参数和一份开放权重计划，把这句话变成了现实
GPU被挤爆：甜蜜的烦恼
K3上线不到48小时，月之暗面就不得不发了一封"道歉信"
需求太猛，GPU扛不住了。
▲ 官方声明：因需求过载暂停新用户订阅，优先保障现有会员算力
官方宣布：暂时暂停新订阅，优先保障现有付费会员的算力供给；同时将会员体系拆分为Kimi通用会员与Kimi Code会员两个计划，以更精准地匹配计算资源
开发者社区的实测也在同步进行。博主karminski原以为前端测试集能撑到下半年，实际两个月就触及上限他由此猜测，Scaling Law远未结束，下一步或许会出现10万亿参数的模型
▲ 开发者karminski实测K3后感叹：自己的测试集很快触及上限，Scaling Law远未到头
质疑也在出现
当然，互联网的声音不止一种。
Max的帖子下面，有人直接回复："又开始吹了" 有人说文章"虚头巴脑"、带着"谄媚"的味道还有一位自称杨植麟师兄的用户，给出了一个截然不同的人物画像，"满脑子搞钱变现"，认为这比"PhD形象"的描写更接近真实
▲ 评论区并非一边倒：有人认为长文过于美化，并提供了另一版本的人物印象
这才是真实的舆论场。 赞美与质疑、技术浪漫与商业怀疑，始终在同一条帖子下共存一个创始人不可能只有一个面向，一家公司也不可能只靠一张PPT活下来
但有一件事很难否认，
2024年那张PPT上的箭头，从Next-Token Prediction指向Reinforcement Learning两年后，整个行业都走到了箭头指向的地方
领先，早于发布日
Max在文章末尾写下的一段判断被反复引用：
"领先不只体现在Benchmark第一。两年前还少有人相信时，你已经在往那个方向投入了。"
这话当然可以被批评为"事后诸葛亮式的包装"但如果你把时间线拉出来看，
2024年11月，K0-Math发布，杨植麟公开对媒体说："被缩放的对象在变化，从堆参数转向强化学习"
2025年1月，Kimi研究博客发布 K1.5: Scaling Reinforcement Learning with LLMs
2026年3月，中关村论坛和GTC演讲，再次阐述Token效率、长上下文、Agent集群三维路线
2026年7月，K3落地。2.8T参数，百万上下文，开放权重，GPU被挤爆
▲ Kimi研究博客首页：从K1.5到Agent Swarm再到K3，RL scaling路线一以贯之
这条至少两年前就画在PPT上的线，经过一代代产品，走到了终点，或者说，走到了下一个起点
7月27日，K3的开放权重将正式发布届时，全世界的开发者都可以下载、部署、魔改这个2.8万亿参数的庞然大物
那张PPT上的箭头，终于变成了所有人都能触碰的东西
