优酷

Kimi K3爆火，GPU先扛不住了_我的网站

一 |     

    Adelie penguins (Pygoscelis adeliae) on fast ice with tourists walking in the background, Bourgeois Fjord, Marguerite Bay, Antarctica. Photo: VCG
Joint research by Chinese and international scientists have found that the rate of long-term Antarctic mass loss has slowed, driven by sea surface temperature anomalies in the remote tropical warm pool, China Central Television (CCTV) reported on Thursday, citing a statement released by the Institute of Oceanology, Chinese Academy of Sciences (CAS). 
The Antarctic ice sheet is one of the major sources of uncertainty in global sea-level rise forecasts. From 2003 to 2024, the Antarctic ice sheet lost an average of approximately 140.5 billion tons each year, CCTV reported. 
However, Chinese and foreign scientists have found that the Antarctic ice sheet gained roughly 695 billion tons between July 2021 and April 2023, the largest 22-month mass gain seen in nearly two decades via satellite gravimetry, the Institute of Oceanology, CAS announced on Thursday.
The scientists found out that from 2021 to 2023, sustained heavy snowfall in East Antarctica led to significant increases in snow accumulation, partially offsetting the ongoing ice loss in West Antarctica. 
The scientists' research shows that this was caused by tropical ocean-driven atmospheric processes that altered moisture transport pathways and increased snowfall over Antarctica. 
The research was conducted by the research team at the Institute of Oceanology at CAS, along with peers from countries including the US, Hungary and Japan. It was published in the academic journal Nature on Wednesday. 
According to Wang Yunhe, first author of the research paper and an associate research fellow at the Institute of Oceanology, sea surface temperatures in the tropical western Pacific warm pool remained unusually warm from 2021 to 2023. As one of the regions with the highest sea surface temperatures and strongest heat release into the atmosphere worldwide, changes in this region can reshape atmospheric circulation. 
The persistently warmer-than-normal seawater triggered large-scale atmospheric waves. 
After reaching the high latitudes of the Southern Hemisphere, the waves reshaped wind patterns and moisture transport pathways. Moisture-tracking simulations show that water vapor from the mid-latitude Indian Ocean fueled heavy snowfall in East Antarctica, leading to a recovery in ice sheet mass. 
Observations and climate simulations suggest that such warming events occur roughly once a decade. But these temporary pauses are not enough to reverse Antarctica's long-term ice loss. The West Antarctic ice sheet continues to shrink, while parts of East Antarctica remain increasingly vulnerable to warmer ocean waters melting ice shelves from below and speeding the flow of glaciers into the sea.
The study shows how persistent warming in the tropical warm pool can contribute to the recovery of Antarctic ice-sheet mass, highlighting the role of East Antarctic atmospheric circulation in connecting tropical climate shifts with changes in the ice sheet. The findings point to a previously overlooked climate link between the tropical warm pool and East Antarctica, offering a new perspective on how distant climate systems may shape the continent's future.
Global Times
。    界面新闻记者 | 查沁君          界面新闻编辑 | 文姝琪          因为太过火爆，距离Kimi K3发布不到一周，月之暗面就按下了“暂停键”。         7月19日晚，月之暗面宣布，由于算力资源紧张，暂停开放Kimi新用户订阅，将有限算力优先保障现有订阅用户。         图源：月之暗面          7月20日，月之暗面回应界面新闻称，此次调整仅涉及新用户订阅，现有会员权益保持不变，老套餐并未取消，已订阅用户仍可正常使用并按原规则自动续费。         对于此前手动关闭自动续费的用户，公司将陆续恢复续订功能，老用户升级套餐等功能也将逐步开放；至于新套餐，目前仍因算力资源限制暂未开放购买，恢复时间尚未确定。         从官方回应来看，此次调整更像是在有限算力资源下，对新增用户和存量用户体验进行重新平衡，而非对会员体系进行调整。         K3发布后，国内外开发者社区迅速涌现大量体验和测评，不少人将它与Claude、GPT等国际头部模型放在一起比较，围绕推理成本、GPU资源、服务稳定性的讨论，也开始取代Benchmark，成为AI圈新的焦点。         K3到底有多火？          K3发布后，很快登上了全球AI模型讨论的焦点。

二 |          独立AI模型评测机构Artificial Analysis发布的最新“智能指数（Intelligence Index）”显示，Kimi K3综合得分达到57分，位列全球第三，仅次于Claude Fable 5（60分）和GPT-5.6 Sol（59分），领先Claude Opus 4.8（56分）。         与此同时，K3完成单项任务的平均成本约0.94美元，与GPT-5.6 Sol基本相当，仅约为Claude Opus 4.8的一半。         对业内而言，更重要的是，这是首个进入Artificial Analysis综合榜单前三的开源模型。长期以来，“开源模型整体落后闭源模型半代”几乎是行业共识，而K3的出现，让这一差距进一步缩小。         图源：Monolith励思资本          除了评测成绩，K3本身的参数规模同样引发业内关注。K3是月之暗面首款万亿参数级MoE模型，总参数规模达到2.8万亿。         一位国产AI芯片厂商人士向界面新闻表示，今年以来，随着Anthropic等海外厂商不断推出更大参数模型，国内模型竞争再次回到“大参数、长上下文”赛道，万亿参数、百万级上下文正成为头部模型的重要竞争方向。         在他看来，K3之所以迅速“出圈”，不仅因为模型能力，更因为它意味着国产开源模型首次进入这一量级。“对于行业来说，2.8T本身就是一个重要信号。”          业内关注很快传导到了开发者社区。         在X（Twitter）、Reddit、OpenRouter、Linux.do、V2EX等平台，大量开发者第一时间分享体验，不少人将K3接入Cursor、Cline、OpenCode等AI编程工具进行测试。从代码生成、Agent任务到工具调用，K3几乎成为过去几天AI圈讨论最多的模型之一。         讨论几乎集中在三个问题：第一，它到底能不能替代Claude做编程？第二，它是否真的达到国际第一梯队？第三，它到底值不值得迁移？          不少开发者认为，K3最大的亮点并非聊天，而是在长流程Agent任务和代码生成场景。一些体验者表示，在复杂代码修改、工具调用等任务中，K3已经能够进入Claude、GPT等国际头部模型的竞争序列。         但也有反馈称，在真实工程任务中，该模型虽然能力突出，但仍会遗漏部分细节，需要人工修正；此外，其复杂统计推理等任务表现仍存在不稳定情况。         另一类讨论则集中在成本。有用户认为，K3虽然单价具有竞争力，但由于复杂任务Token消耗较大，实际使用成本未必低于预期，尤其是在长流程Agent任务中更为明显。         K3的热度也迅速传导到了海外AI圈。         美国科技投资机构Atreides Management创始人Gavin Baker将K3称为AI发展的一个“拐点（inflection point）”，他认为高质量开源模型正在加速AI能力扩散，其影响不会局限于模型厂商，而将惠及整个AI应用生态。         也有研究者保持谨慎。         长期研究人工智能对工作影响的宾夕法尼亚大学沃顿商学院教授Ethan Mollick在X上表示，他曾让Kimi K3对自己此前的一项学术研究进行复杂统计审计，但模型“在很多方面都搞砸了”，包括错误使用统计分析方法。         Mollick认为，K3已经非常接近全球领先模型，但复杂专业任务中的可靠性仍需更多真实场景验证，而不能仅依据Benchmark成绩作出判断。         这一评价也反映出当前AI社区对新模型的一种普遍态度：一方面，K3在代码生成、Agent等场景的表现获得了大量开发者认可；另一方面，模型在复杂专业任务中的稳定性和可靠性，仍需要更多真实场景的持续验证，而不能仅依据榜单成绩作出判断。

三 |          算力紧缺仍是瓶颈          也正是在开发者快速涌入、调用量持续攀升的背景下，月之暗面很快遇到了另一个问题——算力。

四 |          过去两年，大模型行业更常见的叙事是“训练一个模型需要多少GPU”、“参数规模达到多少”，而不是因为用户太多，不得不暂停开放订阅。         事实上，训练完成并不意味着算力投入结束，尤其是在AI Coding、Agent等场景快速发展的背景下，模型需要持续调用工具、读取上下文、执行多轮推理，一个请求占用GPU资源的时间远高于传统聊天场景。

五 | 模型能力越强、上下文越长、用户调用越频繁，对推理算力的消耗也越高。         “今天最大的问题还是缺算力，尤其是高质量的推理算力。”上海国投孚腾资本投资总监陈雨沁此前接受界面新闻采访时表示，即便是头部模型公司，也已经开始取消无限量使用、提高服务价格，本质上都反映出推理资源依然紧张。“如果基础设施没有解决，很多应用公司其实不敢真正大规模推广产品。

六 | ”          “从供需关系来看，国内AI算力长期处于供不应求状态，而随着头部模型集中发布，这种紧张局面会进一步放大。

七 | ”上述芯片产商人士向界面新闻称。         他介绍，目前像月之暗面、智谱、MiniMax等独立模型公司，获取算力主要依赖两种方式：一是租用公有云厂商的算力服务，二是建设自有算力集群。但前者资源有限，后者属于重资产投入，需要较长建设周期，因此模型厂商的算力供给始终存在一定压力。         “业内普遍认为，支撑万亿参数模型训练和推理，万卡级集群已经成为基础门槛。”他表示，从2024年至今，真正具备万卡级部署能力的厂商仍然是少数，不少已经宣布建设的大规模集群项目，落地周期往往以年计算，因此供需之间仍存在长期缺口。         今年WAIC期间，一个细节让上述国产芯片厂商印象深刻。         他告诉界面新闻，各家国产芯片厂展示超节点产品时，被问得最多的两个问题就是：“能不能支持万卡集群？”“能不能支持万亿参数模型训练？”          相比过去围绕单卡性能、芯片参数展开讨论，如今产业链更加关注的是超大规模集群能力，以及支撑头部模型持续训练、推理的基础设施。         这一变化，也折射出大模型竞争逻辑的变化。         过去，模型公司比拼的是参数规模、训练能力和Benchmark成绩；如今，随着越来越多模型进入真实生产环境，推理效率、服务稳定性、成本控制以及基础设施能力，开始成为新的竞争维度。

八 |          K3暂停开放新用户订阅，也许只是一次短暂的资源调配，却让外界第一次如此直观地看到，大模型竞争已经进入新的阶段。模型能力决定产品能否吸引用户，而推理算力、基础设施和持续服务能力，则决定它能否承接真正的大规模应用。

Current article:http://4zws.shangyaohujunwei.bond/news/20260826_5791.html

Published on:06:14:22