目录
关于 K3 开源这件事，公众号文章、掘金帖子、朋友圈转发里流传着大量说法。其中至少有五条不准确。
不是恶意造假——大部分是对"开源"这两个字的理解不一样，或者把 K2 系列的情况直接套到了 K3 上，或者在发布第一天就写了"完全指南"但很多关键信息当时根本还没公布。
这篇文章做一件事：把网上最常见的五个说法拿出来，逐条核实，标清楚哪些是事实、哪些是误读、哪些还没有定论。 不吹不黑，只看来源。
信息来源：月之暗面微信公众号官方公告、github.com/MoonshotAI 组织页面截至 7 月 17 日的实际内容、K2/K2.6/K2.7 Code 在 GitHub 上的 LICENSE 文件原文、HuggingFace moonshotai 组织页实际数据。每条结论标注了依据。
说法一："K3 开源了"
核实结果：不准确。
准确的说法有两层：
第一，K3 目前（7 月 17 日）没有开源，也没有开放权重。API 已上线，模型权重确认 7 月 27 日发布。在此之前你无法下载任何 K3 相关的模型文件。如果你现在在任何平台上看到"K3 开源权重下载"链接——那要么是 K2.6 的权重被贴了 K3 标题，要么是假的。
第二，即使 7 月 27 日发布，K3 也不是"开源"——而是"开放权重"。这个区别在知乎上讨论了无数遍但公众号文章很少区分：
- 开源（open source） = 公开训练数据 + 训练代码 + 模型权重 + 复现流水线。按 OSI（开源促进会）的标准，能让第三方从零重建出同样的模型。
- 开放权重（open weight） = 只公开训练好的模型参数。你能下载、推理、微调、商用，但不能从零复现训练过程。
月之暗面从来没有公开过任何模型的训练数据或完整训练代码。K2 系列如此，K3 大概率也是如此。
这个区别什么时候真的重要： 大多数时候不重要——开发者只需要权重就能做应用。但如果你的甲方合同里写了"必须使用开源模型"、或者你的项目需要通过某些合规审查——"开放权重"和"开源"在法律和采购层面是不同的东西。提前跟法务确认。
怎么自己验证 K3 是否已发布： 去 github.com/MoonshotAI 看有没有 Kimi-K3 仓库。没有就是没发。不要相信任何第三方说法——两秒钟自己看一眼比读十篇文章准。
知道了 K3 还没开源、将来也只是"开放权重"——下一个问题自然是：拿到权重后，我的项目能不能商用？这就涉及许可证了。
说法二："Modified MIT 跟 MIT 一样，随便用"
核实结果：大方向对，但细节上有两个坑。
K2 系列全线使用 Modified MIT 许可证。K3 大概率沿用（正式条款以 7 月 27 日模型卡为准）。Modified MIT 确实允许商用——做产品、卖服务、微调后分发、量化后托管——都可以。这一点跟标准 MIT 一样。
但标准 MIT 只有四句话、零限制。Modified MIT 多了东西。K2 系列许可证里至少有两个附加条款是标准 MIT 里不存在的：
坑一：MAU 商业门槛
K2.7 Code 的 Modified MIT 规定：你的产品或服务月活用户（MAU）超过一定阈值时，需要向月之暗面申请单独的商业授权。K2.6 的门槛是 1 亿 MAU。
一亿月活——离绝大多数团队很远。但做 ToB 私有化交付的要注意：你给客户 A 部署一套、给客户 B 部署一套、给客户 C 部署一套——这些实例上的用户量是加在一起算的。十个客户、每个几百万用户——就不那么远了。
坑二：合成数据不受许可保护
K2 的 Modified MIT 原文有一条：用模型生成的文本（合成数据）不受这份许可证保护。具体含义是——如果你用 K3 生成了一批文本，再用这批文本去训练一个新模型，你不能对外说"我的新模型也是 Modified MIT 许可的"。
这对做"用大模型生成数据→训练小模型→部署小模型"流水线的团队有直接影响。你的小模型需要单独的许可安排。
法务需要看的不是这篇文章，是许可证原文。 7 月 27 日 K3 仓库上线后，让法务打开 LICENSE 文件逐条过。重点看三样东西：MAU 具体数字、合成数据条款有没有变化、有没有新增使用禁令（军事/监控/深度伪造等）。K2 系列没有明确的使用禁令，但 2026 年的监管环境不一样了——K3 有可能加。
许可证的问题说清楚了——但很多人对月之暗面到底公开了多少东西，认知偏差更大。
说法三："月之暗面只开源了模型权重，没别的"
核实结果：不准确。公开的东西比大多数人以为的多。
月之暗面在 GitHub 上（github.com/MoonshotAI）已经公开了至少四类东西：
第一类：模型权重（Modified MIT）。 K2、K2.5、K2.6、K2.7 Code——全部在 GitHub 和 HuggingFace 上可下载。K2.6 的 HuggingFace 下载量超过 146 万次，社区做了 42+ 个 GGUF 量化版本。这是一个有真实使用量的生态，不是做样子。
第二类：完整的研究项目（标准 MIT，最宽松）。 Kimi-Linear 项目公开了代码、论文和 48B 模型 checkpoint（Base + Instruct 两个版本）。这不是"发了个权重就完事"——是代码+论文+模型的完整研究发布。而且用的是标准 MIT 许可证，比 K3 预期的 Modified MIT 更宽松。
为什么 Kimi-Linear 值得特别关注？因为它就是 K3 百万 token 上下文背后的核心技术。K3 用的 Kimi Delta Attention（KDA）直接从 Kimi-Linear 的架构演进而来。月之暗面选择用标准 MIT 发布这个——意味着 K3 最核心的注意力机制创新已经完全公开、可复现、可商用。
第三类：视觉语言模型。 Kimi-VL，MoE 架构的多模态模型，也在 GitHub 上。
第四类：对上游开源库的贡献。 月之暗面向 FLA（Flash Linear Attention）开源库贡献了 KDA kernel 实现。这意味着 K3 的注意力计算不是封闭的黑盒——外部开发者可以在 FLA 库里看到它的实现、提 issue、甚至提交改进。
重新理解月之暗面的开源策略： 它不是"把权重丢出来让你自己玩"。它是分层开放——基础研究（Kimi-Linear）用最宽松的标准 MIT，应用级模型（K2/K3）用有限制的 Modified MIT，训练数据和训练流程保持私有。每一层的开放程度跟它的商业敏感度反相关。这是一个经过设计的策略，不是随机的。
月之暗面开放了不少东西——但你下载权重之后真的能跑起来吗？第四个说法关乎实际部署。
说法四："7 月 27 日权重发布后就能本地跑"
核实结果：硬件到位也大概率跑不了。
硬件门槛的问题（8× A800/H800 起步、消费级卡完全不行）在 HuggingFace 文章里说过了，这里不重复。说一个很多人不知道的问题：推理工具链还没准备好。
K3 的注意力机制是 KDA with Attention Residuals（AttnRes），不是标准 Transformer attention，也不是 K2 系列用的 MLA。它需要专门的 CUDA kernel 来执行推理。
截至 7 月 17 日：
- llama.cpp：不支持 KDA
- Ollama：不支持
- LM Studio：不支持
- vLLM：部分支持（月之暗面向 FLA 库提交了 KDA kernel，但完整集成还在进行中）
这意味着你 7 月 27 日下载了 1.5 TB 的权重，装在 8 卡集群上——然后发现没有推理引擎能加载它。你需要等月之暗面随权重一起发布官方推理代码，或者等 vLLM/SGLang 完成适配。
K2.6 的经验是：权重发布后大约 2–4 周，社区推理工具链基本可用。照这个节奏推算，K3 的自部署在 8 月中下旬之前大概率无法生产可用。
给急着部署的人： 现在用 K3 API（kimi.com 免费、platform.moonshot.cn 付费），同时在集群上把 K2.6 跑通——确认你的推理流水线正常。7 月 27 日之后，先看 K3 仓库的 README 支持哪些推理框架。支持你在用的框架了再下载权重——别反过来。
前面四条核实的都是技术事实。最后一条不是技术问题——是动机问题。
说法五："K3 开源是因为月之暗面大方"
核实结果：这是一个商业策略，不是慈善行为。
这条不是"错误"——而是误读了开源的动机。
开放权重对月之暗面有三个直接的商业好处：
第一：降低 API 获客成本。 开发者在本地试用了 K2.6，觉得好用，然后在生产环境用 K3 API——因为自部署 K3 的门槛太高（8 卡集群起步），大多数团队最终还是会选择 API。开放权重不是替代 API——它是 API 的前置漏斗。
第二：建立开发者生态。 社区做量化版本、写部署教程、开发适配工具——这些工作月之暗面不需要自己做，但它增加了 Kimi 系列的市场存在感和开发者黏性。K2.6 的 42 个社区量化版本和 146 万次下载就是这个效果。
第三：竞争压力。 DeepSeek V4 Pro 用标准 MIT 全面开源、GLM-5.2 也开放了权重——如果月之暗面不跟进，它在"国产开源大模型"这条赛道上会被边缘化。在中国 AI 社区，"不开源"几乎等于"不自信"。开放权重是维持竞争地位的必要动作。
把三家放在一起看更清楚：
| 维度 | K3（月之暗面，预期） | DeepSeek V4 Pro | GLM-5.2（智谱） |
|---|---|---|---|
| 许可证 | Modified MIT | 标准 MIT | 开放权重（具体条款见仓库） |
| 商用 | ✅ 允许 | ✅ 允许 | ✅ 允许 |
| MAU 门槛 | 有（K2.7 先例，具体数字待确认） | 无 | 无 |
| 合成数据限制 | 有（不受许可保护） | 无 | 无 |
| 训练数据公开 | ❌ | ❌ | ❌ |
| 训练代码公开 | ❌ | ❌ | ❌ |
三家都不公开训练数据和训练代码——这一点上没有区别。区别在许可证的附加条款：DeepSeek 用的是最干净的标准 MIT，月之暗面多了 MAU 和合成数据两个限制。对大多数中小团队不构成影响。对年 MAU 过亿的大规模部署——K3 和 DeepSeek 的许可成本差距是实质性的。
理解这个背景有什么用？它帮你预测 K3 开源之后月之暗面会做什么。它会持续优化 API（因为 API 是赚钱的业务），会在许可证上留出商业限制（MAU 门槛、合成数据条款），会让社区做量化和适配的脏活——但它不会公开训练数据和训练流程（这是核心竞争力）。
用一句话理解 K3 的开源定位： 月之暗面把 K3 的"使用权"开放了，但没有把 K3 的"制造方法"开放。你可以用它做任何事情——但你不能绕过月之暗面从零造出一个 K3。
那 K3 开源后你该做什么
不同身份，动作不一样：
| 你是谁 | 7 月 27 日该做的第一件事 |
|---|---|
| 独立开发者 | 什么都不做。继续用 API——自部署 K3 对个人来说既不现实也不划算。关注第三方推理平台（硅基流动、Together AI）上架 K3，它们通常比官方 API 便宜 |
| AI 创业团队 | 打开 LICENSE 文件，让法务看 MAU 门槛和合成数据条款。确认你的商业模式不会在 scale up 后踩雷 |
| 企业 IT 部门 | 评估许可证是否满足你的合规要求（注意：K3 是"开放权重"不是"开源"）。如果有私有化部署需求——等推理工具链成熟后再动（8 月中下旬估计） |
| 学术研究者 | 先看 Kimi-Linear（标准 MIT、代码论文模型全公开）——它比 K3 权重本身对你的研究更有用。K3 的 KDA 注意力机制的参考实现在那里 |
| 要做 ToB 私有化交付的 | 查清楚 MAU 是怎么算的——你所有客户实例上的用户加在一起是否接近门槛。如果是——提前跟月之暗面沟通商业授权 |
常见问题
K3 是开源的吗？
K3 是"开放权重"，不是 OSI 定义的"开源"。你可以下载权重、推理、微调、商用。但训练数据和训练代码不公开。对大多数应用场景不影响。对合规有 OSI 要求的项目是一个法律区别。
Modified MIT 和标准 MIT 有什么区别？
标准 MIT 只有四句话、零限制。Modified MIT 在此基础上增加了附加条款——K2 系列已知的包括 MAU 商业门槛和合成数据不受许可保护。K3 的具体条款以 7 月 27 日发布的 LICENSE 文件为准。
K3 和 DeepSeek V4 Pro 比，谁的许可证更宽松？
DeepSeek V4 Pro 用标准 MIT，无 MAU 门槛、无合成数据限制。K3 的 Modified MIT 多了这两个条款。对大多数中小团队影响不大，对月活过千万的大规模部署需要留意。
K3 的权重什么时候能下载？
7 月 27 日。在此之前 GitHub 和 HuggingFace 上都没有 K3 仓库。你可以先用 API（kimi.com 免费 / platform.moonshot.cn 付费）。
下载后能立刻部署吗？
大概率不能。K3 的 KDA 注意力机制在主流推理框架（llama.cpp、Ollama、LM Studio）上还未适配。vLLM 有部分支持。实际可用预计在权重发布后 2–4 周。
最后
"K3 开源了"——在网上看到这五个字的时候，你现在知道了它的五层真相：
它还没发布（7 月 27 日）。它不是"开源"是"开放权重"。它的许可证不是标准 MIT，有附加条款。下载了权重你大概率也跑不起来。月之暗面把它开放不是因为大方，是因为这在商业上说得通。
每一条都不影响 K3 是一个很强的模型——它在编程 Agent 和浏览器自动化上确实是全球第一。开放权重对整个行业来说是好事——更多竞争、更低价格、更多选择。
但你做决策的时候应该基于事实，不是基于标题。
7 月 27 日那天：先打开 LICENSE 文件，再打开 README，最后再决定下不下载。
