Kimi K3 的权重已经挂上 Hugging Face，仓库就挂在 moonshotai/Kimi-K3 下面。紧接着 OpenRouter 补了一句话，很多人不爱听：这叫开放权重，不是开源。一个词的差别，够架构师和法务来回拉扯好几轮。
权重放出去了，源代码没跟着走
许可证里那几行最难读，也最要命
Kimi K3 License 是 Moonshot AI 自己起草的文件，不是 Apache 2.0，也不是 MIT。它允许你下载、运行、改、再分发，前提是把署名和许可声明一路带下去。可接受使用政策单列成章，商标和品牌不随权重一起给，踩线之后的授权终止条款也写好了位置。读这种自定义许可证有个诀窍：别只盯着授权清单看，重点翻限制清单。授权清单决定你今天能做什么，限制清单决定你哪天会被叫停。这两张纸之间的缝隙，才是采购和法务真正要签字的地方。
“开源”这两个字，被当勋章戴烂了
OSI 对开源的定义卡得很死：训练数据要能拿到，训练与推理代码要能改，许可证不能歧视使用领域，也不能限制你把模型用在什么场景。Kimi K3 通过前两条，后两条就开始打折扣。开放权重解决的是“参数能不能到手”，数据配方、训练管线、以及许可方随时可以收紧的那部分自由，一样都没交出来。所以 OpenRouter 那句提醒不是咬文嚼字，它是在改你的合规分类：这东西该按“第三方许可模型”归档，不是按“开源软件”归档。归档错了，后面所有流程都会错。
点一下就能下载，养起来要一整支队伍
权重文件几十上百 GB 摆在那儿，看着很踏实。真跑起来是另一回事。MoE 结构里总参数和激活参数是两码事，显存够不够只是第一道坎，后面还有卡间通信、推理框架适配、量化后的精度掉点、长上下文下 KV cache 怎么吃显存、并发上来之后怎么调度。再往后是值班表。API 账单是可变成本，自建集群是固定成本加人力成本，后者不会因为你这个月调用量腰斩就跟着降下来。算总账的时候把 SRE 工资和 GPU 闲置率一起填进去，很多“省一半钱”的结论会当场翻盘。
那到底该走哪条路
数据出不了内网，就别犹豫了
金融、医疗、政企这类场景，推理必须落在自己机房里，那就自部署，代价认了，剩下的只是把代价算清楚。反过来，如果你的场景是产品原型、内部工具，或者调用量还在爬坡阶段，自建基本等于给自己找活干。中间地带最难受：账单已经刺眼，可调用量又喂不饱一整个集群。这时候先看峰值和均值的差距，均值高、峰值平滑，自建才谈得上有意义；否则你买的是一堆白天闲晚上忙的卡。
OpenRouter 把一个模型压成了一个字段
它的价值不在便宜，在省事。请求里 model 字段填模型页给出的 slug，temperature、max_tokens、top_p 这些参数照常传；供应商路由和故障回退由它托管，某一家挂了会自动换一家顶上，你也可以在请求里指定偏好供应商。对做横向对比的团队来说，同一组 prompt 换几个模型跑一轮，几乎零成本——这件事自己搭网关做，光是对齐各家 API 的差异就要耗掉一周。省下来的不是钱，是节奏。
定价表不能只盯输入输出那两列
长上下文加价、缓存命中折扣、推理型模型吐出的思考 token 算不算钱、结构化输出有没有额外开销，这些都会把最终单价推来推去。同一个模型在不同供应商手里的价格能差出好几成，因为量化精度、上下文窗口和吞吐本来就不一样。把“每百万 token 多少钱”当唯一指标，是最常见也最贵的偷懒。稳妥做法是拿自己真实的 prompt 分布算一遍：平均输入长度、平均输出长度、缓存命中率、峰值并发，再拿这张表去比。结果经常和官网首页那个大号数字相反。
真正的闸门在规模化条款上
月活阈值是个安静的开关
这类自定义许可证很少限制你“能不能用”，它限制的是“用在多大规模上”。常见的写法是划一条线：月活用户或年营收超过某个量级，就必须单独谈商业授权。线以下随便跑，线以上要重新签合同。麻烦在于这条线不会在你产品的看板上跳红，它是法务定期盘账时才被翻出来的东西。等你已经靠这个模型撑起一条产品线再回头补票，谈判位置就完全不一样了。所以选型阶段就把这条线抄进合规台账，比事后补材料便宜得多。
把“免费下载”读成“免费商用”是最贵的误读
下载不花钱，商用要过关。署名怎么写、衍生物怎么标注、许可证要不要跟着你的模型一起分发、内部微调后的权重算不算再分发，这些问题的答案都在那份文件里，只是没人替你读。工程团队最容易犯的错，是把技术可行直接等同于商业可行——跑通 demo 那天就默认万事俱备。实际上，决定这个模型能不能长期留在你技术栈里的，从来不是它在 benchmark 上拿了多少分，而是法务看完许可证之后点不点头。先问这一句，再谈性能。
