先别看那2.8万亿参数。
先看一根箭头。
2026年7月，Kimi K3发布。前端代码榜从第18名直冲第1，官方随后宣布需求逼近算力上限，暂停新订阅开发者还在拆架构、跑测试，一张拍摄于2024年的办公室照片，突然被翻了出来
照片拍在一间普通会议室，并非发布会现场
杨植麟站在普通会议室里，手握麦克风身后的PPT只有一条极醒目的路线：
Next-Token Prediction Scaling → Reinforcement Learning Scaling
两年后再看，所有人都在问同一个问题：
Kimi K3的爆发，真的早就写在这张PPT上了吗？
▲ Max For AI发布的2024年到访照片。照片可核验的是PPT内容；“两年前写好答案”则是K3发布后的回顾性解读。
那根向右的箭头
据内容创作者Max For AI回忆，2024年，他受邀前往月之暗面北京办公室，参观当时最新的K0-Math模型
意外的是，亲自讲解的人是杨植麟。
他略过产品、融资和增长，重点讲大模型下一阶段该往哪里扩张
屏幕左边，是Next-Token Prediction，根据前文预测下一个token这是过去一轮大模型革命最核心的发动机：更多数据、更大参数、更多训练算力，把“下一个词”预测得越来越准
屏幕右边，则是Reinforcement Learning Scaling旁边还有两个词：
- synthetic data：合成数据
- test-time compute：测试时算力
翻译成人话就是：模型不能只靠“读更多书”变聪明，还要在解题、验证、搜索、调用工具的过程中，学会怎样把事情做完；遇到难题时，也可以投入更多推理算力，反复尝试、自我检查，甚至让多个Agent协作
这条路线并非Kimi独有。2024年下半年，OpenAI o1把“强化学习+慢思考”推入公众视野，DeepSeek、Anthropic等多家团队也沿着相近方向前进
旧照片的分量在于：当这条路线还只是行业判断时，月之暗面已经把它写进了内部分享
两年后，箭头长成了一台2.8万亿参数机器
2026年7月16日前后，Kimi K3落地
按照月之暗面官方披露，K3拥有2.8T总参数、100万token上下文和原生视觉能力，并被称为“首个开放的3T级模型”完整权重计划在7月27日前放出。
它采用稀疏MoE架构。可以把它想象成一座拥有896位专家的大楼：仓库极大，但每次处理任务，只请其中约16位“上班”因此，2.8万亿是总知识容量，并不意味着每次回答都要调动全部参数
K3还把能力重心压在了长程编程、研究和Agent工作流上：从GPU kernel优化、编译器搭建，到视觉反馈游戏、科研代码复现，目标是连续工作很久，完成一个项目
第三方信号很快出现。
Arena.ai公布，Kimi-K3以1679分登顶Frontend Code Arena，超过Claude Fable 5；相较Kimi-k2.6，它从第18名跃升至第1名，七个前端子领域拿下六个第一
▲ Arena.ai榜单：Kimi-K3从前代第18名跃升至第1名。需要注意，这是特定前端竞技场的结果，并不代表所有能力全面第一。
月之暗面也没有宣称K3已经击败所有闭源模型
但市场给出了另一种反馈：用户开始密集涌入
官方称，过去48小时需求已逼近现有算力极限为保障老会员体验，Kimi暂时停止新订阅，并准备把会员拆成通用会员与Code会员
▲ 热度从讨论进入基础设施：GPU容量、会员分层与服务稳定性，成为K3爆发后的现实考题。
一个坐在CEO位置上的“PhD”
旧照片重新受到关注，那张PPT和杨植麟本人都是原因
Max回忆，杨植麟聊融资和市场时很平静；一谈架构、训练方法和数据细节，整个人便兴奋起来他没有独立办公室，工位与普通员工放在一起，这些是到访者的现场印象，并非可以独立审计的公司制度事实，却迅速拼出了一幅“研究型创始人”的画像
这幅画像并非毫无来由。
杨植麟拥有清华计算机背景，博士就读于CMU语言技术研究所，参与的代表性工作包括Transformer-XL与XLNet前者试图让模型处理更长的依赖关系，后者重新探索预训练目标
从早期长文本Kimi，到K0-Math、K1.5、K2，再到今天的K3，一条线越来越清楚：
更长的上下文，更复杂的推理，更长时间的自主工作
K3发布前三个月，Michael Guo还从杨植麟的英伟达GTC演讲中概括出三条缩放轴：token效率、上下文长度、Agent数量
先别急着封神：一张PPT无法证明因果
故事讲到这里，很容易滑向“天才两年前预言一切”的神话
评论区也有人直接质疑：“又开始吹了。”还有人提醒，杨植麟同样高度关注商业化；把一位创业公司CEO写成只谈技术、不食人间烟火的博士生，本身就是浪漫化
这些质疑有必要。
照片能够证明的，是2024年的会议室里，确实出现过RL Scaling、合成数据和测试时算力
照片无法证明的，是K3的每一项能力都由这页PPT直接推导而来；更不能证明创始人不关心收入、融资和竞争
事实上，技术热情与商业敏感完全可以同时存在一个CEO如果只会讲论文，却无法获得算力、组织团队、建立产品闭环，再漂亮的Scaling Law也只能停在屏幕上
因此，这件事更接近于：
他很早选择了一条路线，并让公司持续为这条路线付账
当“前沿智能”变成文件，硬仗才刚开始
K3的爆红，也是一次商业压力测试。
开放权重可以迅速获得全球开发者，却不自动产生护城河权重被下载后，推理服务商可以接入，竞争对手可以研究，开发者也可以迁移
摆在月之暗面面前的问题是：Kimi Code、Kimi Work和API能否把模型能力变成稳定留存？
官方API定价，缓存命中输入每百万token 0.30美元、未命中3美元、输出15美元，展示了低价扩张的野心；而暂停新订阅，又暴露了另一面：智能越受欢迎，算力账单越真实
榜单第一是技术新闻。
GPU接近上限，才是财经新闻。
它一方面证明需求，另一方面也提醒市场：开放模型最终仍要面对推理成本、服务稳定性和单位经济模型模型是发动机，产品工作流才是把发动机接入现金流的传动系统
所以，答案真的两年前就写好了吗？
写了一半。
那张PPT写下了方向，但2.8万亿参数、1679分和发布后的服务器洪峰都不在其中
称它为预言书，会夸大这张照片能够证明的内容
它记录了一次早期路线选择。
每一条Scaling Law，最后都会落到资产负债表上：GPU、工程师、训练时间、产品耐心，以及在外界看不懂时，继续烧钱的勇气
两年后，当K3冲上榜首、订阅被迫暂停，那根从左指向右的箭头才突然拥有了戏剧性
未来从来不藏在PPT里。
PPT只能指出方向。困难在于用两年时间，把那根箭头烧成现实
