2026年7月，Kimi K3炸翻了整个海外AI圈
所有人都在讨论参数、架构、榜单，2.8万亿参数，百万级上下文，稀疏MoE，长程编码与Agent工作流社交平台上，从硅谷到中关村，工程师们像拆盲盒一样拆解着K3的每一个技术细节
但一个叫Max For AI的人绕开了榜单和分数的讨论
他翻出了两张拍摄于2024年的老照片
照片里，一个年轻人站在会议室大屏前，手持话筒，身后的幻灯片上只画了两个圆球、一个箭头，
左边写着“Next-Token Prediction Scaling”，右边写着“Reinforcement Learning Scaling”
箭头从左指向右。旁边还标注着synthetic data与test-time compute
这张PPT的标题是：“新的Scaling Law”
▲ Max For AI重新公开的两张2024年现场照片：杨植麟在月之暗面北京办公室讲解“下一代Scaling Law”
那天会议室里发生了什么
时间回到2024年末。
月之暗面内部邀请了一批朋友到北京办公室，参观他们当时最新的数学推理模型K0-MathMax For AI是被邀请者之一。
让他意外的是：那天讲课的人，是杨植麟本人
Max回忆道，杨植麟略过产品与商业，讲的是下一代Scaling Law
PPT上的核心命题极其简单粗暴，AI的下一轮扩展，不再靠“预测下一个词”往死里堆，而是靠强化学习打开新轴
这是什么意思？
简单解释：过去几年，所有大模型公司做的事本质上都一样，把互联网上的文字喂给模型，让它学会"猜下一个词"模型越大、数据越多、算力越猛，就猜得越准这就是Next-Token Prediction Scaling
但杨植麟那天画了一个箭头，指向另一种路径：让模型像人一样“试错” 做数学题？先试一步，判断对不对，错了就回来换一条路做代码？跑一下，看结果，不对就修改重来。奖励正确，惩罚错误，这就是强化学习（RL）Scaling
放在2024年，这是一种判断。
放在2026年，OpenAI、DeepSeek、Anthropic、Kimi，几乎所有前沿玩家，都走到了这条路上
"他像一个还在实验室里的PhD"
Max还注意到了别的东西。
"聊商业、聊融资、聊市场，他都很平静。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"
后来他们去杨植麟的工位看了一眼，
那里看不到独立办公室。 工位只是一个特别普通的位置，和周围的人没区别，桌上放着少量日常用品
这画面他记到现在。
杨植麟，1992年生于广东汕头，清华本科，卡内基梅隆大学博士他的学术代表作XLNet和Transformer-XL至今被NLP领域反复引用，两篇论文的核心问题恰恰都是：当序列变得更长，模型还能不能保持智能？
十年后，Kimi产品线上反复出现的“长文本”“百万级上下文”“长程任务”，像极了同一个研究者对同一个问题的持续执念
他博士导师Salakhutdinov后来接受Business Insider采访时回忆：大约2019年，杨植麟就倾向于相信，如果充分扩大规模，单一模型可以从自然语言提示完成多种任务，不必为每个任务单独建模
"那时候，这一信念并非所有研究者共享"
从箭头到论文：判断如何变成工程
▲ arXiv论文《Kimi k1.5: Scaling Reinforcement Learning with LLMs》，把会议室里的箭头变成了可复现的训练配方
2024年11月，K0-Math公开亮相品玩、Global Times等中英文媒体记录了这一刻：一个强调强化学习和思维链推理的数学模型，会在解题时花更多时间规划、反思与重试初代测试数据显示，在中考到竞赛级的多个基准上超过当时可用的o1-mini与o1-preview
▲ 品玩报道：月之暗面发布k0-math数学推理模型
同期，杨植麟在36Kr英文访谈中的表态更加直接："Scaling law没有失效，变的是'被缩放的对象'以前优先堆算力和参数；以后，重点是通过强化学习精炼推理。"
然后是2025年，arXiv上出现了一篇名为《Kimi k1.5: Scaling Reinforcement Learning with LLMs》的论文摘要开宗明义：预训练的next-token prediction受限于可用训练数据；RL打开了新的扩展轴，模型可以通过带奖励的探索扩大有效训练信号
会议室里的那个箭头，终于从幻灯片走进了可被同行阅读的方法论文
K3：路线图的"兑现时刻"
2026年7月，K3降临。
▲ Michael Guo的平行分析：K3的成功并非偶然，杨植麟在GTC演讲中已提出"三维scaling"框架
观察者Michael Guo指出：三个月前的英伟达GTC演讲上，杨植麟已经把下一阶段扩展具体拆成了三个维度，Token效率、上下文长度、Agent数量他明确表态：Kimi不打算靠训练更大的模型赢，而是投资底层机制，更好的优化器、训练稳定性、内存效率、长上下文架构、Agent集群
K3恰恰是这套论文的产品版本。
▲ "这就叫长期主义。当大家都在卷预训练数据的时候，人家两年前就认定RL Scaling是未来并死磕到底"
舆论撕裂：先知还是吹牛？
旧照放出后，评论区并不太平。
支持者高呼“长期主义”，赞叹工程师作为领导者的稀缺气质有人写道：非常严谨的技术型、有AGI梦想的大格局创始人，我非常相信Kimi能走得很远K3也只是一个开始。
▲ 熊猫校长Ming：技术型有AGI梦想的创始人，K3只是开始
但质疑者同样激烈。
有人更尖锐地指出：私下交流中，杨植麟给人的印象是"满脑子商业变现"在这位评论者看来，创业成功需要这种特质，这也比"实验室PhD"的抒情描述更有说服力
两种印象相距很远。
照片和幻灯片文字是可核验的视觉事实"整个行业都走上了这条路"属于概括，"K3并非突然变强"属于事后解释赞美与嘲讽也只是观点，均非公司声明
尾声：答案写在那张PPT上
让我们最后回到那间北京会议室。
桌上摆着瓶装水和咖啡杯，笔记本电脑散落在围桌上，墙上贴着办公场所常见的提示贴纸一个1992年出生的年轻人，站在大屏前，讲着他认为这个行业接下来十年最重要的一件事
台下只有普通听众，记者席与直播镜头均未出现
只有一个随手拍照的访客，以及一张从左指向右的箭头
两年后，当全世界都在讨论那个箭头右边的词时，你回头看，
领先之处，并不只在Benchmark第一
而是两年前没人相信的时候，你就已经在往那个方向烧钱了
K3今天取得的一切来自长期积累。答案，早就写在了那张PPT上。
