🔖 开源 · 团队首秀
Kimi K3 完整开源，401 人贡献者名单首次公开：解码中国最年轻的大模型极客军团
7 月 27 日，月之暗面正式开源 2.8 万亿参数旗舰模型 Kimi K3，同步公开背后 401 位实际贡献者名单。这支平均年龄不到 30 岁、80% 为 I 人、人均扛起约 7 亿估值的团队，首次完整亮相。
综合公开信息整理•
2026-07-27•
全文约 4 分钟读完
#Kimi K3
#月之暗面
#开源模型
#AI 人才
2.8 T
Kimi K3 满血开源参数规模
401
公开披露的实际贡献者人数
$31.5 B
月之暗面最新估值（约 2100 亿元）
⚡ 30 秒速览
- 开源了什么：Kimi K3 满血版 2.8T 参数全部开源，技术报告同步发布，推理成本仅为 Claude Fable 5 的 38%。
- 团队什么样：401 人贡献者名单首次公开，平均年龄 不到 30 岁，80% 是 I 人，约 300 人团队支撑 2100 亿估值。
- 核心人物：周昕宇、吴育昕、张宇韬等五位联合创始人领衔，多位拥有行业标准级成果的技术大神坐镇。
- 深层信号：K3 的 KDA 混合架构 + NoPE MLA 在预训练和强化学习中更省算力、速度更快，系统工程能力正在超越参数比拼。
- 去哪体验：Kimi 产品已全面集成 K3 能力，开源模型权重及技术报告可下载。
01K3 开源：不止是参数，更是系统能力 2.8T 全量开放
Kimi K3 的发布本身已足够重磅——2.8 万亿参数，KDA 混合架构，NoPE MLA 结合 Attention Residuals 机制。但真正让行业侧目的，是月之暗面同步公开了 401 人的完整贡献者名单，这在国产大模型公司中尚属首次。
与行业主流做法对比，K3 的开源策略显得格外彻底：
行业常见做法
仅开源模型权重或技术报告，研发团队信息匿名或仅列核心作者；推理成本不透明，用户难以评估实际部署成本。
Kimi K3 的做法
全量开源权重 + 技术报告 + 401 人实名贡献者名单；公开推理成本仅为 Claude Fable 5 的 38%，并提供可复现的工程细节。
注：推理成本对比基于同等工作负载下的官方披露数据，实际部署成本因场景而异。K3 的 KDA 混合架构在预训练阶段可节省约 20% 算力开销。
但数据只是故事的一部分。真正令人好奇的，是这支团队本身。
02团队画像：最年轻，最扁平，人均扛 7 亿 约 300 人 · 平均年龄 < 30
据公开信息，月之暗面团队约 300 人，平均年龄不到 30 岁，80% 是 I 人。按 315 亿美元估值计算，人均扛起约 7 亿人民币 估值。这组数字，勾勒出大模型行业最极致的“人才密度”画像。
≈ 300团队总人数
< 30平均年龄（岁）
80%I 人比例
¥7 亿人均估值（人民币）
注：团队人数为公开报道估算值，实际人数可能略有浮动。人均估值 = 公司估值 ÷ 团队人数，为近似值。
更值得关注的是其组织形态：无职级、无 KPI、无部门墙。五位创始人平均每人直接对接 40–50 人，员工随时可以挑战老板。2025 年初的反思会上，有员工提出激进建议，杨植麟听完后做得比建议更激进——直接放弃 K1 转做 K2。
什么样的核心班底，撑起了这种密度与效率？
03核心班底：联合创始人领衔，技术大神坐镇 三位关键人物
🎸 周昕宇 · 算法团队负责人 ShuffleNet 核心作者
- 清华大学 Splay 乐队吉他手，鼓手正是杨植麟——技术默契从校园延续至今。
- 在旷视期间与张祥雨紧密合作，作为核心作者写出轻量化网络大作 ShuffleNet，成为移动端模型基石。
- 主攻方向：大模型算法量产化，将前沿实验室算法高效转化为大规模生产线系统；擅长混合架构优化，率先拆解 KDA 架构优势。
专攻方向：算法量产化 · 混合架构优化 —— 让实验室成果快速落地为产品级能力。
🏗️ 吴育昕 · 联合创始人 / 架构师 Group Normalization · Detectron2
- 清华本科 + CMU 深造，曾任职 Meta AI (FAIR)，与何恺明共同发表 Group Normalization，获 ECCV 2018 最佳论文荣誉提名。
- 作为 Detectron2 主要创建者之一，该平台重塑了全球 CV 研究生态，成为数千视觉模型的通用底座。
- 在月之暗面负责底层架构与训练效率优化，曾亲临全球 PyTorch 开发者大会，拆解 Kimi 对开源基建的贡献。
专攻方向：高性能深度学习系统 · 多模态基础模型 —— 用底层创新重写 AI 训练规则。
🧠 张宇韬 · CTO AMiner 技术负责人
- 杨植麟清华同门师兄弟，师从智谱创始人唐杰。2016 年共同创立循环智能，后联合创立月之暗面。
- 作为技术负责人主导了科技大数据分析平台 AMiner 研发，其异构数据融合技术直接构成 Kimi 超长文本处理的技术底座。
- 在 KDD、CIKM 等顶会发表多篇高引论文，2026 年 7 月提出行业工程化三段论：Prompt 时代 → Context 时代 → Harness 工程时代。
专攻方向：长上下文窗口 · 动态扩展网络 · Agent 工程 —— 让 AI 在海量信息中保持清醒。
以上为联合创始人中的三位核心代表。完整 401 人名单中还包括许欣然（Mooncake 架构负责人）、何蔚然（推理系统）、杜羽伦（预训练 Scaling）、陈广宇（17 岁天才少年）等一批极客人才。
04文化基因：摇滚、扁平与“雇佣 CEO 们” 一家不像公司的公司
月之暗面的内部文化，与它的模型一样不走寻常路。会议室以 Rolling Stones、Nirvana、Radiohead 等传奇乐队命名，会员套餐以 Adagio（柔板）、Allegro（快板）等音乐术语命名——创始人的摇滚爱好渗透到每个角落。
在人才选择上，月之暗面有一个独特的偏好：喜欢雇佣 CEO 们。公司内部至少有 50 人 创办或加入过创业公司，过去一年招聘的新人中，超过 100 人 通过内部推荐进来。这种“创业者基因”浓度，在 AI 公司中极为罕见。
🎸 摇滚会议室
🏢 无职级 · 无 KPI
🧑💼 50+ 前创业者
🤝 100+ 内推入职
⚡ 48h 黑客马拉松
I 人友好
平均年龄 < 30
月之暗面坚信，在算力和数据日益同质化的今天，“品味”才是建立差异化壁垒的核心驱动力。这种品味不仅体现在模型打磨上，更深刻地映射在对人才的挑剔与渴望上。
那么，这种“品味”最终导向了怎样的行业判断？
编辑核心判断
Kimi K3 的开源与团队披露，标志着中国大模型行业从“参数数量竞赛”正式转向“系统工程 + 人才密度”竞争。当模型参数规模不再是护城河，月之暗面证明：人才密度、工程品味与组织效率，才是下一代大模型竞争的核心壁垒。
▶现在就能用
Kimi 产品已全面集成 K3 能力，开源模型权重与技术报告可同步获取。
Kimi 官网 → 体验 K3
开放模型权重及技术报告已同步发布，社区可自由下载与复现。