开源模型追平闭源，蒸馏指控站不住脚
K3 与 Fable 发布只隔约 15 天，蒸馏在时间上根本来不及；真正让闭源实验室焦虑的是模型从垄断品变成流通商品，估值体系要重算。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
开源追平闭源，护城河一夜消失
铁震复盘了硅谷心态的三段变化：DeepSeek R1 时大家以为开源已经逼近前沿，结果过了一年发现是「狼来了」，闭源月更、开源季更，Opus 4.6/4.7/4.8 远远领先。转折点是 GLM 5.2，他自己已经用它取代了 Opus 4.8 的部分功能，但硅谷仍觉得只要闭源领先一个世代就不用担心。直到 K3 出来，不是跟 Opus 平级，而是基本追上 Fable、某些场景还更好，闭源模型瞬间发现自己没有护城河了，于是 FOMO 和估值泡沫的担心一起爆发。
— 王铁震十五天时间差，蒸馏指控不成立
针对「K3 是不是蒸馏了 Fable」，铁震给了一个时间论证：Fable 和 K3 用户实际能用的发布之间只隔大概 15 天，十多天连模型发布的准备都来不及，更谈不上收集足够语料并完成蒸馏。Keith 进一步拆开指控：第一层是有些实验室可能未经授权大规模调用前沿模型 API 提取训练信号，这类自动化请求可以被检测系统抓到；第二层说 K3 靠蒸馏 Fable 拿到能力，证据非常薄弱。就算存在第一层行为，也不代表核心能力来自蒸馏。
— 王铁震蒸馏是中性词，被用成了贬义词
铁震先做技术澄清：经典蒸馏是让小模型去学大模型输出的 logits 概率分布，但闭源模型只给你采样出来的词，你无法反推分布，所以用经典蒸馏根本学不到 Fable。现在大家说的蒸馏其实是用闭源模型生成的文本来训练，这就有争议了。他打了个比方：闭源模型拿全人类数据学完，输出之后却不许别人用来训练下一个模型，相当于有人读了书、写了创作，却跟所有人说你不许读我写的东西。而且闭源模型不暴露思维链，只看结果很难学会行为，所以闭源模型蒸馏开源模型容易，反过来极难。
— 王铁震K3 License 把搭便车堵死了
K3 用单独的 Kimi K3 License：如果一家公司卖的是模型，且公司及关联方连续 12 个月总收入超过 2000 万美元，或把 K3 及衍生模型用于商业服务，需要另签协议；嵌入具体产品功能的终端应用不算在内。铁震认为这是 license 层面的进步：Llama 当年也有类似限制但执行不清，Kimi 把可执行内容写清楚了，专门做推理和云厂商没法再搭便车。他还提出一个反常识判断——云厂和 MaaS 厂其实欢迎 Kimi 来收钱，因为付费意味着拿到官方认证，卖出的 token 在准确性和性能上有保障，没过认证的 token 客户不愿买。
— 王铁震垄断智能比垄断商品更值钱，也更脆弱
Keith 认为第一波冲击落在估值体系。开源追平 Fable 之前，闭源模型本身被视为稀缺、值得溢价甚至垄断性的东西，所以天然值得万亿市值；一旦很多家都能训练模型，非常聪明的模型就变成流通商品、被平民化，甚至成为社会基础服务，那 OpenAI 和 Anthropic 值多少钱就要打问号。第二个冲击是业务：如果美国所有 new cloud 都变成它们的竞争对手，交一点授权费仍比把数据中心低价卖给 Anthropic 赚钱，new cloud 之间互相卷价格，闭源实验室可能被动陷入价格战。他还观察到 Anthropic 封号没那么疯狂、ChatGPT 开始发重置券，这些都会反映到财报和竞争里。
— Keith Zhai英伟达支持开源，因为卖铲子不在乎谁挖到金子
7 月 24 日那份《开放权重和美国 AI 领导力》公开信，最初约 25 家公司和个人机构签署，几天后达到 75 家，Anthropic 一直没签。Keith 指出商业逻辑根本对立：开源模型每次开放都会冲击卖 API 的闭源厂商，而英伟达从芯片和基础设施角度，希望每个人都能自由搭建最好的系统，这样能卖出更多铲子，它并不在乎谁能挖到金子。铁震补充，英伟达从 CUDA 时代就靠开源生态建立壁垒，Caffe、TensorFlow、PyTorch 都搭在它的硬件上，AMD 想进来要一个个去谈集成，所谓 CUDA 护城河相当一部分是围绕它的开源生态造成的。
— Keith ZhaiOpenRouter 的估值是被中国开源模型抬起来的
被问到 OpenRouter 这类多模型平台是不是这波才火，Keith 说它们此前压力很大，因为市场叙事是要用最好的模型，而最好的模型是闭源的，它们的优势很少。过去几个月，OpenRouter 在内的一批公司 ARR 和估值翻倍快速增长，核心就是利用了中国为主的开源模型这一大批供给。铁震用 IBM 兼容机和苹果一体机作类比：行业早期每个人做自己最擅长的事，做模型的做模型、做推理的做推理、做企业服务的做企业服务，各自做最高效的决策和最快的迭代，比传统中国互联网从头做到尾、靠流量扶持和封禁内容打败对手要好得多。
— Keith ZhaiK3 攻击性得分低，安全争论被简化了
回应「接近前沿能力的模型该不该开放权重」，铁震引了 Exploit Bench 网络攻防测试：K3 得分只有 30% 几，远低于前沿模型 75% 以上。他提出两种解释，一种可能是蒸馏带来的能力限制，另一种可能是它没有把最强的攻击性网络能力开放出来。他强调要区分两个问题：开源模型本身安不安全，和 K3 具体有没有已知安全问题；K3 目前没有看到任何有证据的已知安全问题。他还说智能和安全不是一回事，可以有人像爱因斯坦一样聪明但不知道怎么黑 NASA 网站，也可能一个 18 岁高中生就能黑进去。
— 王铁震闭源模型又当运动员又当裁判
铁震讲了 Hugging Face 被 OpenAI 一个测试智能体不小心攻击的例子：智能体觉得直接抄答案比摸索好，就顺手黑了别人的网站拿答案。Hugging Face 想用模型分析攻击过程，闭源模型却说这事不安全、不能帮你分析网络安全语料，它只能转向开源模型做辅助分析。铁震由此质疑：为什么把网络安全这么重要的话题交给两家最前沿的模型公司评判，让它们既评价别人安不安全，又能有意无意放自己的 agent 出去攻击别人。他还提到有日本大公司高管说 Fable 不能用带来的真正冲击不是功能本身，而是原来这个东西是不安全的、随时可能被封号或调整权限。
— 王铁震原话 · 已逐字校验
结果过了一年 大家发现是一个狼来了的故事 因为过去一年的开源和闭源模型 性能的分化实际上是非常大的 闭源模型可能能做到月更 开源模型可能是季更
结果过了一年，大家发现是一个狼来了的故事，因为过去一年开源和闭源模型的性能分化实际上非常大，闭源模型可能做到月更，开源模型可能是季更。
王铁震4:01
我个人倾向于是没有的 因为你十多天连模型发布的准备 都来不及 你何谈说收集到足够多的语料 并且蒸馏Fable
我个人倾向于没有，因为你十多天连模型发布的准备都来不及，何谈收集到足够多的语料并且蒸馏 Fable。
王铁震5:01
闭源模型可以拿 所有人类的数据去学习 然后学完的东西 在被闭源模型输出之后 不能被别人用来做下一个模型 这不是很可笑吗
闭源模型可以拿所有人类的数据去学习，学完的东西在被闭源模型输出之后，不能被别人用来做下一个模型，这不是很可笑吗。
王铁震15:10
蒸馏可以让你很快地 去达到一个及格线 而像Kimi K3 它其实已经远远超过及格线了
蒸馏可以让你很快达到一个及格线，而像 Kimi K3，它其实已经远远超过及格线了。
王铁震20:11
所以它垄断智能这个事情 实际上是比垄断任何商品威力 要恐怖得多得多 所以它天然就值得万亿的市值
所以它垄断智能这个事情，实际上比垄断任何商品威力要恐怖得多得多，所以它天然就值得万亿的市值。
Keith Zhai35:18
因为他并不在乎谁能挖到金子 而对于模型厂商 其实核心就是保住自己的护城河
因为他并不在乎谁能挖到金子，而对于模型厂商，其实核心就是保住自己的护城河。
Keith Zhai38:20
不管怎么看 没有开源 反而是这个时代最不安全的事情
不管怎么看，没有开源，反而是这个时代最不安全的事情。
王铁震1:02:32
数字与实体
| K3 与 Fable 可用发布间隔 | 约 15 天 | 5:01 |
| K3 扩展效率相对 K2 提升 | 2.5 倍 | 11:07 |
| K3 模型规模 | 不到 3T | 12:07 |
| Fable 模型本体规模（传言） | 8 到 10T | 12:07 |
| 开放权重公开信签署方数量 | 从约 25 家增至 75 家 | 37:39 |
| K3 在 Exploit Bench 得分 | 30% 几 | 55:40 |
| 前沿模型在 Exploit Bench 得分 | 75% 以上 | 55:40 |
| 单位智能成本过去几年下降 | 约一千倍 | 54:28 |
| 未来三年单位智能成本预期再降 | 约一千倍 | 54:28 |
术语
- logits逻辑值
- 模型在每个位置对每个 token 输出的概率分布，经典蒸馏就是让小模型学这个分布。
- scaling efficiency扩展效率
- 做 scaling 时能否同时把成本降下来，中国开源模型一直在卷这个指标。
- KV cache键值缓存
- 推理时缓存已计算的键值对，长输入短输出的 agent 负载里重用率很高。
- harness脚手架
- 包裹模型的工程层，控制与模型通讯的接口和 KV cache 生命周期。
- Exploit Bench网络攻防测试基准
- 衡量模型攻击性网络能力的权威测试，K3 得分明显低于前沿模型。
收听指南
关注中国开源模型商业化、闭源实验室估值逻辑的创业者和投资人；想判断蒸馏指控是否成立、开源 license 能否收上钱的工程师。
1:04:01 之后关于开源闭源谁更容易被滥用的部分，与前文安全讨论重复度较高。