nano-kpu：Kimi K3 用 48 小时给自己设计了一颗推理芯片，这是开源芯片的「DeepSeek 时刻」吗
一句话结论：Moonshot AI 开源了 nano-kpu——一颗完全由 Kimi K3 设计、用开源 EDA 工具跑通全流程的推理芯片 RTL，48 小时完成设计，4 平方毫米、100MHz、模拟 8700 tokens/s。但它明确声明是「能力演示」，不是产品。 AI 摘要 项目用途：Kimi K3 自主设计的推理芯片 RTL 源码，含功能仿真和时序/面积综合流程。适合人群：关注 AI 自主工程、芯片设计、国产大模型的人。上手门槛：高，需要 Verilator 5 + yosys 工具链。智盒结论：作为「AI 能不能做芯片设计」的标尺很有价值，作为实际芯片还差得远，别把演示当产品。 项目信息 项目名：MoonshotAI/nano-kpuGitHub URL：https://github.com/MoonshotAI/nano-kpuLicense：Apache-2.0Star / Fork：47 / 5（截至 2026-09，早期） 它解决什么问题 严格说，nano-kpu 不解决任何生产问题。它回答的是一个更根本的问题：一个 AI 模型，能不能在没有人干预的情况下，独立完成一颗芯片的设计全流程。 答案在 Moonshot AI 的开源仓库里。nano-kpu 是一颗...
Arena 第35周盲测榜：Qwen3.8-Max 登顶前端榜，国产模型集体冲击第一梯队
一句话结论：在 LMArena 第 35 周（8 月 24–30 日）的第三方盲测中，Qwen3.8-Max-0902 首次入榜即以 1691 分登顶前端开发榜，GLM-5.3-Flash 闯入代码榜前十，这是国产模型第一次在多个细分榜单同时逼近全球第一梯队。 AI 摘要 发生了什么：LMArena 发布 2026 年第 35 周盲测榜，多款国产新模型集体亮相。核心变化：Qwen3.8-Max-0902 前端开发榜登顶（1691 分），把 Claude Opus 5 Max 挤到第二；GLM-5.3-Flash 代码榜首进 Top 10。影响对象：国产大模型开发者、模型选型团队、关注 AI 编程工具的从业者。下一步观察：Qwen3.8-Max 的 AA 智能指数评测何时补上，以及 GLM-5.3-Flash 的排名能否站稳。 发生了什么 LMArena（arena.ai）在 9 月 2 日更新了 2026...
2026 国产大模型场景选型决策树：写代码、投研、创意写作、本地部署分别该选哪个模型？
2026 国产大模型场景选型决策树：写代码选 DeepSeek V4 Flash，复杂编程选 Kimi K3，投研选 MiniMax M3，本地部署选 GLM 5.2。按 5 个任务场景选对模型，别再只看跑分。
Kimi K3 完整权重开源：2.8万亿参数能否改写 AI 竞赛规则？
更新与更正（2026 年 8 月 31 日）：本页合并智盒两篇 Kimi K3 开放权重稿件，保留参数、部署和企业选型三个问题。删除无逐条来源的估值损失、固定硬件张数及长期排行榜结论；旧稿把许可概括为 Modified MIT 的说法不再沿用，使用前请直接查阅官方 Kimi K3 License。本文不是实测报告。 已核实的模型信息 Moonshot AI 的官方模型卡将 Kimi K3 定义为开放权重、多模态智能体模型。其 MoE 架构总参数为 2.8T，激活参数约 104B，896 个专家中每 Token 选择 16 个，标称上下文为 1,048,576 Token。模型卡同时列出 KDA、Attention Residuals 和原生量化设计。参数规模、激活参数和上下文容量是不同指标，不能相互替代。 官方发布仓库和技术报告提供进一步复核入口。权重可获取不等于拥有无限制商用许可，也不等于训练数据、完整训练过程和所有基础设施均公开。许可文件应随实际下载版本归档，不用旧新闻中的营收门槛替代合规检查。 开放权重与产业影响，应怎样分开判断 原产业稿中值得保留的问题是：团队是否因此多了一条自托管、定制和供应商替换路线。这个问题不能靠一次资本市场涨跌回答。对企业来说，开放权重的潜在价值是控制部署环境和验证模型行为；代价则是承担硬件、运维、升级、安全和容量规划。只有这两边一起核算，开放权重才有采购意义。 部署前先分清三种容量 下载体积：由仓库版本、文件格式、分片和量化方式决定，应查看实际文件清单。加载容量：除了权重，还需要运行时工作区、量化元数据和框架开销。不能用文件大小直接代替设备内存需求。服务容量：长上下文、并发会话、KV Cache 和输出长度会继续占用资源。单请求能加载，不代表能够稳定提供生产服务。 因此，本页不再给出未经相同配置测试的“几张卡即可运行”承诺。先按官方部署说明选择引擎和硬件，再从小批量业务样本逐步增加上下文与并发。若团队没有维护大型推理集群的能力，先评估托管 API 更便于比较效果与成本。 小团队和企业各自要验证什么 场景先验证验收证据API...
Kimi K3 幻觉率 51%：开源模型的自信回答越准确，编造的风险也越高
一句话结论：Moonshot 7 月 27 日开源的 Kimi K3 在自信回答中有 51% 是编造的，幻觉率较前代 K2.6 的 39% 明显上升。但同期的准确率也从 33% 提升至 46%——Kimi K3 变得更"敢说"了，代价是说错的比例跟着涨了。 51% 的幻觉率意味着什么？ Artificial Analysis 评测的独立评测显示，Kimi K3 在其自信回答中，有 51% 的内容是编造的。换句话说，当 Kimi K3 拒绝承认自己不知道、而是给出一个听起来有道理的答案时，这个答案有一半以上的概率是错的。 这是一个需要被认真对待的数字，但它并非 Kimi K3 独有的问题。对照组 Claude Fable 5 在同一基准上的幻觉率为 54.9%，甚至更高。幻觉是当前大语言模型的一个系统性问题，而非某一厂商或某一模型的"故障"。 相比前代 Kimi K2.6...