Kimi K3 进入 OpenAI 企业付费体系：国产开源大模型的出海路线正在改写

10 月 1 日，美国 AI 基础设施公司 Baseten 对外确认了一件事：企业开发者可以在 OpenAI 的编程工具 Codex 里直接调用月之暗面的 Kimi K3，产生的费用直接计入企业已有的 OpenAI 采购额度。不需要新增供应商主体，也不需要重走一遍采购审批。这是国内开源大模型第一次进入 OpenAI 的企业付费结算体系。

这件事的分量，不在参数，也不在榜单，而在于它改变了企业采购的路径依赖。

采购流程本身就是门槛

大企业接入一家新的模型供应商，麻烦的从来不是技术对接，而是合规与财务流程。新供应商要走准入审核，要单独搭建账单和结算体系，要重新过一遍法务和采购。对一个只想验证某个模型好不好用的团队来说，这套流程的成本往往比模型本身贵得多。

Kimi K3 走 OpenAI 的额度结算，等于绕开了这一整套摩擦。企业里已经批下来的 AI 预算可以直接花在 Kimi K3 上，财务上看到的仍然是一张 OpenAI 的账单。Baseten 作为底层承接入口，把月之暗面的模型能力接进了 OpenAI 的生态通道。

在这之前，Kimi K3 已经登陆亚马逊云 Amazon Bedrock 平台，月之暗面也因此成为国内首个与全球头部云厂商按收入分成模式合作的 AI 企业。一个是云平台的收入分成，一个是开发者工具的额度抵扣，两条路指向同一个结果：国产大模型开始从技术演示阶段，走进规模化的商业落地阶段。

模型本身是什么水平

Kimi K3 于今年 7 月发布，参数规模 2.8 万亿，在发布时是全球体量最大的开源大模型。它支持 100 万 Token 的上下文窗口，原生具备视觉理解能力，针对代码开发、深度研究和复杂知识处理做过专项优化。

发布当天，Kimi K3 登上国际代码评测榜单 Arena 的第一名，是首个拿到该榜首的中国大模型。特斯拉 CEO 马斯克也公开评价这个成果令人印象深刻。

更值得注意的是它的架构思路。Kimi K3 使用了 Kimi Delta Attention 与 Attention Residuals 来改善长序列里的信息流动，并采用 Stable LatentMoE 结构，在 896 个专家里只激活 16 个，官方称相比上一代把扩展效率提升了约 2.5 倍。这个设计方向和最近几个月中国实验室的集体动作一致：不拼谁的参数更大，而是拼每一份算力能换来多少可用能力。

一次 48 小时的自主芯片设计

如果说进入 Codex 是商业层面的事，那另一项进展更接近技术本身。

据公开信息，Kimi K3 已经完成了一次 AI 自主设计芯片的概念验证。在连续 48 小时不间断的智能体测试中，它依托开源 EDA 工具与 45nm 工艺库，独立完成了适配芯片的设计、迭代与全流程验证。产出的是一颗 4 平方毫米的轻量化芯片，搭载 146 万标准单元和 0.277MB SRAM，在 100MHz 频率下实现稳定时序收敛，最高解码吞吐量可达每秒 8700 Token 以上。

这类结果需要谨慎看待。概念验证不等于可量产的芯片，45nm 也不是什么先进制程。但它验证的是流程闭环：一个模型能不能在没有人逐步干预的情况下，把一件需要多轮试错的工程任务从头做到尾。对做智能体的人来说，这比单张图好不好看更能说明问题。

竞争层在往哪走

Kimi K3 的出海动作，和另一条线是并行的。

同一周，智谱发布了开源模型 GLM-4.6，重点升级代理式编码能力，并完成了对寒武纪、摩尔线程等国产芯片的适配，实现 FP8+Int4 混合量化推理在国产硬件上的稳定部署。DeepSeek 也在 10 月 2 日开源了桌面端智能体运行框架 Harness v0.2，采用"万物皆插件"的架构，内置文件整理、数据分析、文档起草、代码修改等能力，以 MIT 协议开放。

把这些放在一起看，一个方向变得清楚：模型本身正在变成基础设施，而真正的差异化开始往两个地方迁移。一个是运行框架，也就是模型之外的那一层，谁能让开发者和企业低成本地把模型接进自己的工作流；另一个是硬件适配，谁能把推理跑在更便宜、更自主可控的算力上。

Kimi K3 已经预告了 K3.1，支持 100 万 Token 上下文，并提供 Low、High、Max 三档推理强度，由用户按任务复杂度选择。长文本和可选推理档位，正在成为国产开源模型争夺开发者的标配。

国产大模型出海，过去大多是一对一对接海外客户，大企业要接入就得新增供应商资质审核，落地门槛很高。Kimi K3 这两步，把门槛往下压了一截。至于企业愿不愿意为它买单，接下来的几个季度会给出答案。