# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
过去一年，大模型圈有个心照不宣的默契：参数规模这条路上，大家突然都"佛系"了。
卷推理、卷 Agent、卷成本、卷上下文窗口……什么都在卷，就是没有一家敢再碰那个最笨、最烧钱、也最能证明硬实力的方向——把模型本身，做得更大。
直到昨天。
7 月 16 日，月之暗面正式发布 Kimi K3：总参数量 2.8 万亿（2.8T），原生视觉理解，100 万 token 上下文，并且——开源权重。
这是历史上第一个摸到 2.8 万亿参数量级的开源模型。前任"开源最大模型"的纪录保持者？也是它自己。
先给几个坐标。
据公开报道，DeepSeek V4 Pro 的参数量约为 1.6 万亿，百度文心 5.0 约为 2.4 万亿——这已经是过去一年里最"激进"的两个数字了。而 K3 直接把开源旗舰的天花板，抬到了 2.8 万亿。
更夸张的是节奏。官方文档里有这么一句话：过去 12 个月里，有 9 个月，开源模型规模的纪录都是 Kimi 刷新的。
回想一下这条时间线：2025 年 7 月 K2 横空出世，把开源模型带进万亿参数时代；2026 年 4 月 K2.6 上线；6 月 K2.7 Code 专攻编程。一个月后，K3 直接把规模纪录翻了近三倍。
别人是一年磨一剑，Kimi 是一个月破一次纪录。
参数翻倍不稀奇，稀奇的是：2.8T 的模型，居然还能谈"效率"。
K3 的底座是两项全新的架构设计：
一是 Kimi Delta Attention（KDA），一种混合线性注意力机制，配合 Attention Residuals（注意力残差）。 用人话说，这两者的使命是让信息在更长的序列、更深的网络里流动得更顺畅——这是 100 万 token 上下文真正能"用起来"的前提。
二是 Stable LatentMoE 框架，把 MoE 的稀疏度进一步拉满：896 个专家，每次只激活 16 个。 激活比例不到 2%，但每一次都调度得又稳又准。
架构、训练方法、数据配方三管齐下，最终的结果是：K3 的整体扩展效率约为 K2 的 2.5 倍——同样的算力，挤出两倍多的智能。这才是"卷参数"的正确姿势：不是堆料，是让每一度电都不白烧。
参数是手段，分数才是底气。官方给出的评测结论是：K3 的综合智能，仅次于 Claude Fable 5 和 GPT-5.6 Sol——OpenAI 与 Anthropic 两家旗舰中的旗舰。
拆开看几项硬指标：
知识工作（GDPval-AA v2）：1687 分。 这个基准用 44 个职业、9 大行业的真实工作任务来考模型，K3 排在 Fable 5 Max 和 GPT-5.6 Sol Max 之后，领先 Claude Opus 4.8 Max（1600 分）。
AA-Briefcase（长程 Agent 知识工作基准）：1527 分，全场第二，压过 GPT-5.6 Sol Max 的 1495 分。
BrowseComp：91.2 分，SOTA。 关键词是"单智能体、不做上下文压缩、不用额外的上下文管理技巧"——靠着 100 万 token 的原生长上下文，硬刚长程高难度的信息检索任务。
K3 是 Kimi 迄今为止最强的编程模型，而且强得很有特点。
它擅长的是长程软件工程任务：理解大型代码库、自己操作终端、协调工具调用、观察运行时行为，失败了还能自己爬起来重试——整个过程几乎不需要人插手。
更值得注意的是"软件工程 + 视觉理解 + 空间推理"三合一的能力：它能在源代码和渲染结果之间来回对照，看着截图、日志、测试报告决定下一步改什么。这让 K3 特别适合游戏开发、前端工程、CAD 工作流和基础设施优化这类"既要看又要写"的场景。
一句话总结：它不是"会写代码的聊天机器人"，而是一个长了眼睛的工程师。
和以往"先吹后放"不同，这次 API 是同步上线的，几个关键信息：
模型名 kimi-k3，OpenAI SDK 直接兼容，几行代码就能跑；
思考模式常开，reasoning_effort 当前支持 max 档（更多档位在路上）；
100 万 token 上下文，上下文缓存自动开启，不用配任何参数；
计费是平价按量付费，不按上下文长度分档——用满 1M 也是一个价；
支持视觉输入（图片 base64、视频文件）、严格 JSON Schema 结构化输出、Partial Mode、动态工具加载；
max_completion_tokens 最高可设到 1048576。
最后说回标题里的那个"卷"字。
2.8T 参数的模型，如果只关在 API 后面，那它只是少数人的黑盒。但 Kimi 宣布，K3 的完整权重将在未来几天内发布，架构、训练与评测细节将随技术报告一同公开。
这意味着，人类历史上最大的开源模型，将从一篇新闻，变成任何人都能下载、研究、微调、部署的公共资产。
去年，开源阵营证明了自己可以追平闭源；今天，Kimi 证明了开源可以反过来定义规模的边疆。
有人把 AI 竞赛比作军备竞赛。但军备竞赛的终点是锁在仓库里的武器，而开源模型的终点，是每一个人手里的武器。
2.8T，卷得好。
文章来自于微信公众号 “巨硬的AI”，作者 “巨硬的AI”
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务，如比较价格、添加购物车、回复各种社交媒体等。
项目地址：https://github.com/browser-use/browser-use
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目，它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
【开源免费】DB-GPT是一个AI原生数据应用开发框架，它提供开发多模型管理（SMMF）、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL（智能体工作流编排）等多种技术能力，让围绕数据库构建大模型应用更简单、更方便。
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础，任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤，并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】graphrag是微软推出的RAG项目，与传统的通过 RAG 方法使用向量相似性作为搜索技术不同，GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址：https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG，Agent，模型管理等一站式AI开发的工具平台，并且项目方一直持续维护。其中在任务编排方面相对领先对手，可以帮助研发实现像字节扣子那样的功能。
项目地址：https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目，该项目在大文件解析方面做的更出色，拓展编排方面相对弱一些。
项目地址：https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储，并通过AI实现RAG功能的项目
项目地址：https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG，Agent，大模型管理等AI项目开发的工具平台，比LangChain更强大的中间件AI平台工具。
项目地址：https://github.com/TaskingAI/TaskingAI
【开源免费】XTuner 是一个高效、灵活、全能的轻量化大模型微调工具库。它帮助开发者提供一个简单易用的平台，可以对大语言模型（LLM）和多模态图文模型（VLM）进行预训练和轻量级微调。XTuner 支持多种微调算法，如 QLoRA、LoRA 和全量参数微调。
项目地址：https://github.com/InternLM/xtuner
