[Devansh] Kimi K3：开权重模型如何把 Claude Fable 级智能做便宜

🧠 当模型不再试图记住一切，智能才开始像生命一样运作。

这一期，我们借 Devansh 的文章《Kimi K3: How an Open Weights Model Made Claude Fable Level Intelligence Cheap》，走进 Moonshot AI 的 Kimi K3:2.8 万亿参数、896 个专家、百万上下文背后，真正发生的不是一次“更大”的胜利。

它在学习选择：什么值得留下，什么值得回看，什么能力应被唤醒，以及一项工作何时不该放弃。

从 KDA 对记忆的审慎写入，到 AttnRes 对深层信息的回收；从 Stable LatentMoE 对 GPU 通信成本的克制，到在终端、浏览器、代码库与 Slack、Notion 式环境中反复试错的强化学习——Kimi K3 试图把 Transformer 从均匀燃烧的机器，变成一套会调度注意力、能力与时间的系统。

它逼近 Claude Fable 5 的，不只是答题能力，而是“把事做完”的耐力。代价也同样真实：更长的推理、更高的 token 消耗，以及一次行动可能走得太远。

未来的竞争，或许不再是谁拥有更多参数，而是谁拥有更好的选择器、更可靠的判断，以及更持久的状态。

原文链接：www.artificialintelligencemadesimple.com

发布时间：2026-08-28