月之暗面发布2.8万亿参数Kimi K3模型权重，许可证条款趋严
评分
77详细披露了K3许可证的关键条款变迁，并对商业影响做了精确对比
信息完整、引用准确，但缺乏对社区反应的进一步分析
对考虑集成K3的MaaS企业有直接合规指导意义
模型刚发布，博客原文为最新动态
Simon Willison博客为知名技术博主，一手信息来源
基础分 85.5 × T2 信源权重 ×0.9 = 77
精选线 70已入选精选
精选理由
事件信息增量高，揭示了模型开放与商业限制之间的博弈趋势。
AI 点评
「这篇博客精准点出了大模型开源运动中的关键转折：K3用法律语言告诉行业，超大模型可以公开权重但绝不放弃商业控制权。对AI创业公司和大型云厂商而言，理解这种‘分层的开放’比堆参数更重要。」
速览
月之暗面兑现承诺，在Hugging Face上发布了2.8万亿参数的Kimi K3模型权重，大小达1.56TB。与K2的“修改版MIT”不同，K3许可证不再冠以“开源”之名，而是要求月活跃用户超1亿或月收入超2000万美元的MaaS企业需与月之暗面单独签署商业协议。OpenRouter已上线K3服务，定价与官方一致。
- Kimi K3 拥有2.8万亿参数，权重文件1.56TB，已开放下载
- 新许可证不再自称“修改版MIT”，而是要求大型MaaS企业单独签约
- 月之暗面未使用“开源”表述，改用“开放权重”
- OpenRouter已聚合7家供应商提供K3推理服务
正文
Kimi在2025年7月随K2推出了他们自己粗糙的MIT许可证的修改版。该许可证只是增加了这一段，要求超过一定规模的商业实体注明出处：
我们唯一的修改部分是，如果本软件（或其任何衍生作品）用于您的任何拥有超过1亿月活跃用户，或月收入超过2000万美元（或等值其他货币）的商业产品或服务，您必须在这些产品或服务的用户界面上显著显示"Kimi K2"。
K3许可证不再自称"修改版MIT"，并且更进一步，要求那些较大的公司与Moonshot单独签订协议：
如果被许可方或其任何关联方经营模型即服务业务，且被许可方及其关联方在任何连续12个月内的总收入超过2000万美元（或等值其他货币），则在将本软件或其衍生作品用于任何商业目的之前，被许可方必须与Moonshot AI签订单独协议。
值得称赞的是，Kimi并未试图在自己的资料中将其描述为"开源"许可证，而是始终使用"开放权重"一词。
OpenRouter已经在提供K3，来自7个供应商，其中大多数与Moonshot AI自身的定价相同，每百万输入3美元，每百万输出15美元。
Tags: ai, generative-ai, llms, llm-pricing, llm-release, ai-in-china, moonshot, kimi, janky-licenses
相关条目
精选DeepSeek V4 在 OpenRouter 上的代币份额翻倍，智能体工作负载成主要驱动力
DeepSeek V4 的快速采用表明市场对高性能、低成本推理模型的强烈偏好，尤其是智能体场景将重塑 AI 部署格局。
91
精选启用两项设置使ARC-AGI-3基准测试分数提升三倍
这项发现太关键了！它表明模型的性能不仅取决于训练，还取决于推理时的配置。对于AI工程师和研究者来说，这是一个必须注意的优化方向。特别是那些在资源受限设备上部署模型的团队，可能会因此找到低成本提升能力的方法。
91
精选GPT-5.6：前沿智能与前沿效率的融合
这条消息值得关注，因为它标志着大模型竞争从单纯拼参数转向拼效率。对于AI开发者和企业决策者来说，GPT-5.6意味着可以用更少预算获得更高性能，尤其适合那些被推理成本挡在门外的长上下文或Agent场景。OpenAI这一步，可能重新定义‘前沿’的标准。
91
精选LFM2.5-Encoder：面向CPU快速长上下文推理的新模型
这篇博文让我眼前一亮，因为它直接解决了大模型在CPU上跑长上下文的痛点。对于没有高端GPU的团队或个人开发者，LFM2.5-Encoder系列提供了可立即使用的开源方案。尤其推荐给做RAG、文档搜索或代码分析的朋友——现在用普通服务器就能处理百万级token的文档了。
91
精选GPT-Red：OpenAI通过自我对弈实现AI红队自动化，提升模型鲁棒性
GPT-Red 是红队测试从人工到自动化的里程碑，特别适合安全工程师和对齐研究者关注。它直接降低了测试成本，但也引发了对“自动攻击”本身的伦理讨论——值得所有关注AI治理的人深入思考。
91
精选OpenAI推出GPT-5.5生物漏洞赏金计划
这个计划值得关注，因为它首次将AI漏洞赏金制度拓展到生物安全领域，不仅为安全社区提供了新的研究方向，也为AI风险治理提供了实际演练场。对模型安全研究者、生物安全专家以及关心AI双重用途的从业者尤其重要。
91
精选vLLM推出原生速度Transformers建模后端，大幅提升推理性能
这项更新对于AI工程团队非常关键：无需格式转换意味着能更快地迭代模型，而2-5倍的速度提升直接降低GPU成本。如果你正在做LLM在线服务或者批量推理，这几乎是必读的技术更新。
90
精选Google DeepMind 发布手语转文本模型 SL2T，助力聋人用户
这则消息的意义不仅在于技术突破，更在于AI开始真正关注边缘群体的需求。对开发者而言，SL2T的架构思路和技术路径值得深入研究；对无障碍倡导者来说，这是推动行业标准的重要案例。